Perplexity ใช้ฟรีได้ไหม ต้องสมัครแผนอะไร?

Perplexity มีแผน Free ให้ค้นหาพื้นฐานได้ ส่วนแผน Pro และ Max จะปลดล็อกโหมด Pro Search, การเลือกโมเดลเอง และ Deep Research ในปริมาณที่มากขึ้น ราคาและ limit อาจเปลี่ยนตามช่วงเวลา ควรตรวจสอบที่ perplexity.ai อีกครั้ง

คำตอบของ Perplexity เชื่อถือได้แค่ไหน?

Perplexity แนบ citations ให้ตรวจสอบได้ ซึ่งช่วยลดการเดา แต่แหล่งที่มาก็อาจผิด สแปม หรือถูก SEO ดันได้ และ AI ยัง hallucinate ได้แม้จะมีอ้างอิง จึงควรกดดูลิงก์ต้นทางและประเมินความน่าเชื่อถือเองเสมอ โดยเฉพาะงานความเสี่ยงสูง

Perplexity ต่างจาก Google และ ChatGPT อย่างไร?

Perplexity เน้นตอบคำถามพร้อมอ้างอิงและงานค้นคว้าเชิงลึก (Deep Research, Spaces) ขณะที่ Google Search คืนลิงก์ให้ค้นเอง และ ChatGPT เป็นผู้ช่วยสารพัดที่มีการค้นเว็บเสริม เลือกใช้ตามว่าต้องการคำตอบที่มีอ้างอิงชัด หรือบทสนทนา/งานสร้างสรรค์

วิธีใช้ Perplexity ฉบับสมบูรณ์ 2026: คู่มือ AI Answer Engine ค้นคว้าได้คำตอบพร้อมอ้างอิง

Q: Perplexity คืออะไร?

Perplexity คือ answer engine หรือเครื่องมือค้นหาที่ขับเคลื่อนด้วย AI ตอบคำถามพร้อมอ้างอิงแหล่งที่มา (citations) แบบเรียลไทม์ ต่างจาก search engine ที่คืนลิงก์ให้ค้นเอง และต่างจาก LLM แชตที่อาจตอบจากความจำ ใช้งานผ่านเว็บ perplexity.ai แอปมือถือ ส่วนขยายเบราว์เซอร์ และเบราว์เซอร์ Comet

เรียนรู้การใช้ Perplexity ตั้งแต่พื้นฐานจนถึงเทคนิคขั้นสูง ทั้งการเลือกโหมดค้นหา โมเดล Deep Research และ Spaces เพื่อค้นคว้าอย่างมืออาชีพและตรวจสอบแหล่งที่มาได้ทุกคำตอบ

เริ่มใช้ Perplexity ใน 5 ขั้นตอน (Quick Start)

สมัครบัญชีฟรี ที่ perplexity.ai หรือดาวน์โหลดแอปมือถือ (iOS/Android) แล้วลองพิมพ์คำถามแรกเพื่อดูคำตอบพร้อมอ้างอิงแบบตัวเลขที่คลิกตรวจสอบได้

เลือกโหมดค้นหาให้เหมาะกับงาน: ใช้ Search สำหรับคำถามทั่วไป, Pro Search สำหรับคำถามซับซ้อน และ Deep Research เมื่อต้องการรายงานเชิงลึกพร้อมสังเคราะห์หลายแหล่ง

ตั้งคำถามให้เจาะจง ระบุบริบท ขอบเขต และรูปแบบคำตอบที่ต้องการ เพื่อให้ได้คำตอบที่แม่นยำและอ้างอิงได้ดีขึ้น

สร้าง Space เพื่อจัดกลุ่มการค้นคว้าตามโปรเจกต์ อัปโหลดไฟล์ (PDF, Word, Excel) และตั้ง custom instructions ให้ทุกคำถามในนั้นทำงานตามที่คุณต้องการ

ตรวจสอบแหล่งอ้างอิงทุกครั้ง ก่อนนำไปใช้ตัดสินใจ ให้คลิกเปิดลิงก์ต้นทางเพื่อยืนยันว่าเนื้อหาตรงกับที่ Perplexity อ้างจริง

สารบัญ (Table of Contents)

บทที่ 1: Perplexity คืออะไร และช่องทางการใช้งาน
บทที่ 2: เริ่มต้นใช้งานและเลือกแผนให้คุ้มค่า
บทที่ 3: โหมดค้นหาและการเลือกโมเดลให้เหมาะกับงาน
บทที่ 4: ศิลปะการตั้งคำถามให้ได้คำตอบที่อ้างอิงได้ดี
บทที่ 5: Spaces: จัดระเบียบการค้นคว้าและไฟล์
บทที่ 6: Deep Research: รายงานเชิงลึกพร้อมอ้างอิง
บทที่ 7: การอัปโหลดไฟล์ วิเคราะห์เอกสาร และการเลือกแหล่งข้อมูล (Focus)
บทที่ 8: เครื่องมือและช่องทางเสริม: Comet ส่วนขยาย และมือถือ
บทที่ 9: Perplexity บนมือถือและการใช้ประจำวัน
บทที่ 10: Perplexity ในการทำงานจริง: เวิร์กโฟลว์ตามอาชีพ
บทที่ 11: คลัง Prompt และสูตรค้นคว้าสำเร็จรูป
บทที่ 12: ความแม่นยำ การตรวจสอบแหล่งอ้างอิง และข้อจำกัด
บทที่ 13: ความเป็นส่วนตัว และการใช้สำหรับทีม/องค์กร
บทที่ 14: เทคนิคขั้นสูง และเทียบกับ Google ChatGPT และ Gemini
คำถามที่พบบ่อยเกี่ยวกับการใช้ Perplexity (FAQ)

บทที่ 1: Perplexity คืออะไร และช่องทางการใช้งาน

Perplexity คือ "answer engine" หรือเครื่องมือค้นหาที่ขับเคลื่อนด้วย AI ซึ่งพัฒนาโดยบริษัท Perplexity AI จุดขายที่แยก Perplexity ออกจากเครื่องมืออื่นคือ มันไม่ได้ตอบคำถามจาก "ความจำ" ของโมเดลเพียงอย่างเดียว แต่จะ ค้นเว็บสด ๆ ทุกครั้งที่คุณถาม แล้วสรุปคำตอบพร้อม แนบการอ้างอิงแหล่งที่มา (citations) เป็นตัวเลขกำกับในทุกข้อความที่เป็นข้อเท็จจริง ทำให้คุณคลิกกลับไปตรวจสอบต้นทางได้ทันที

เบื้องหลังใช้สถาปัตยกรรม RAG (Retrieval-Augmented Generation) คือ "ดึงเนื้อหา (retrieve) แล้วค่อยให้โมเดลเรียบเรียง (generate)" แนวคิดนี้ช่วยลดปัญหา hallucination (การแต่งข้อมูลขึ้นเอง) เมื่อเทียบกับ LLM แชตทั่วไปที่ไม่ค้นเว็บ แต่ย้ำว่า ลดได้ ไม่ได้ขจัดหมด เพราะตัวโมเดลยังสามารถเรียบเรียงรายละเอียดที่คลาดเคลื่อนระหว่างเนื้อหาที่ดึงมาได้ (รายละเอียดในบทเรื่องความแม่นยำ)

ต่างจาก Search Engine เดิม และ LLM แชตทั่วไปอย่างไร

เพื่อให้เห็นภาพ ลองวางเทียบกับสองสิ่งที่คนไทยคุ้นเคยอยู่แล้ว คือ Google Search และแชตบอตอย่าง ChatGPT (โหมดไม่ค้นเว็บ)

มิติ	Search Engine เดิม (เช่น Google)	LLM แชตทั่วไป (ไม่ค้นเว็บ)	Perplexity (Answer Engine)
ผลลัพธ์	รายการลิงก์ (คุณอ่านเอง)	ข้อความคำตอบเดียว	คำตอบสังเคราะห์ + citations
แหล่งข้อมูล	ดัชนีเว็บ	ความจำจากการเทรน (อาจล้าสมัย)	ค้นเว็บ real-time ทุกครั้ง
ตรวจสอบได้	ต้องคลิกเอง	มักไม่มีแหล่งอ้างอิง	มีลิงก์กำกับทุกข้อความ
จุดแข็ง	ความกว้าง/lookup เร็ว	งานสร้างสรรค์/ปลายเปิด	research แบบมีอ้างอิง
ความเสี่ยง	ต้องกรองเอง	hallucination สูง	misattribution (ดูด้านล่าง)

พูดง่าย ๆ คือ Perplexity อยู่ "ตรงกลาง" ระหว่างสองโลกนี้ — ได้คำตอบสำเร็จรูปแบบแชต แต่ยังผูกกับแหล่งจริงแบบ search engine

สถาปัตยกรรมภาพรวม

flowchart LR
    A[คำถามผู้ใช้] --> B[Perplexity<br/>วิเคราะห์และแตกคำค้น]
    B --> C[ค้นเว็บสด<br/>ดึงหลายแหล่ง]
    C --> D[โมเดลเรียบเรียง<br/>RAG synthesis]
    D --> E[คำตอบ + inline citations]
    E --> F{ผู้ใช้คลิกตรวจสอบ<br/>แหล่งอ้างอิงจริง}
    F -->|ยืนยันตรง| G[นำไปใช้ได้]
    F -->|ไม่ตรง / misattribution| H[ระวัง ตรวจซ้ำ]

ช่องทางการใช้งาน

Perplexity เข้าถึงได้หลายช่องทาง เลือกให้เหมาะกับบริบทการทำงาน

เว็บ (perplexity.ai) — ช่องทางหลักและครบฟีเจอร์ที่สุด ทั้งโหมดค้น (Search / Pro Search / Research), Spaces, Pages, การอัปโหลดไฟล์ และการเลือกโมเดลในแผนเสียเงิน เหมาะกับงานค้นคว้าจริงจังบนเดสก์ท็อป
แอปมือถือ (iOS และ Android) — มี Assistant / Voice Assistant ที่ทำงานข้ามแอปได้ เช่น ตั้งปฏิทิน ร่าง/ส่งอีเมล เล่นเพลง โดยฝั่ง Android มีคำปลุก "Hey Perplexity" (เพิ่มความสามารถเสียงเต็มรูปแบบช่วงต้นปี 2025) และ iOS Voice Assistant เปิดตัวช่วงเมษายน 2025
ส่วนขยายเบราว์เซอร์ (extension) — ช่วยเรียกใช้ Perplexity บนหน้าเว็บที่กำลังดู เหมาะกับการถามควบคู่ไปกับการอ่าน
Comet เบราว์เซอร์ของ Perplexity เอง — เว็บเบราว์เซอร์ AI-native (ฐาน Chromium) ที่ฝังผู้ช่วย AI ไว้ในทุกแท็บ สรุปหน้าเว็บ ถาม-ตอบข้ามแท็บ และทำงานหลายขั้นตอนแบบ agentic ได้ Comet เปิดตัวครั้งแรกบน Windows/macOS วันที่ 9 กรกฎาคม 2025 (ตอนแรกจำกัดผู้ใช้ Max) และมีรายงานว่า ถอด paywall เปิดให้ใช้ฟรีทั่วโลกราว 18 มีนาคม 2026 พร้อมขยายสู่ iOS/Android

💡 ถ้าเพิ่งเริ่ม ให้เริ่มจาก perplexity.ai บนเว็บก่อน เพราะเห็นโครงสร้าง citations, โหมดค้น และ model picker ครบที่สุด แล้วค่อยเสริมด้วยแอปมือถือสำหรับใช้ระหว่างวัน

จุดที่ต้องย้ำที่สุด: ตรวจสอบแหล่งอ้างอิงเสมอ

แม้ Perplexity จะแนบ citations ให้ทุกคำตอบ แต่ การมี citation ไม่เท่ากับ citation นั้นถูกต้อง งานวิจัยอิสระของ Tow Center for Digital Journalism (Columbia Journalism Review) ที่เผยแพร่มีนาคม 2025 พบว่าเครื่องมือ AI search โดยรวมอ้างอิงผิด/แต่งขึ้นมากกว่า 60% ของครั้ง โดย Perplexity ทำได้ "ดีที่สุด" ในกลุ่ม แต่ก็ยังมีอัตราการอ้างอิงผิด ราว 37% (และ Perplexity Pro ราว 45-46%)

ความผิดพลาดที่อันตรายที่สุดคือ misattribution — URL ที่อ้างเป็นของจริงและเปิดได้ แต่เนื้อหาในหน้านั้น ไม่มีข้อความตามที่ Perplexity อ้าง

⚠️ อย่าเชื่อคำอ้างอิงโดยไม่คลิกดู โดยเฉพาะข้อมูลที่ใช้ตัดสินใจสำคัญ (การเงิน กฎหมาย การแพทย์ ตัวเลขสถิติ) ให้เปิดลิงก์ต้นทางและยืนยันด้วยตาตัวเองทุกครั้ง ความเสี่ยง hallucination มักสูงขึ้นในคำถามเฉพาะทาง ข่าวสด และภาษาที่ไม่ใช่อังกฤษ (รวมถึงภาษาไทย)

โดยสรุป Perplexity คือเครื่องมือที่เหมาะที่สุดสำหรับงาน research ที่ต้องการคำตอบพร้อมแหล่งอ้างอิงแบบ real-time ส่วนชื่อรุ่นโมเดล ฟีเจอร์ และแผนราคานั้นเปลี่ยนบ่อยมากตลอดปี 2026 ให้ยึด ในแอปและหน้า Help Center ทางการ (perplexity.ai/help-center, docs.perplexity.ai) เป็นหลักเสมอ ซึ่งจะเจาะรายละเอียดในบทถัด ๆ ไป

บทที่ 2: เริ่มต้นใช้งานและเลือกแผนให้คุ้มค่า

หลังจากเข้าใจแล้วว่า Perplexity คือ answer engine ที่ตอบพร้อมอ้างอิงแหล่งที่มาแบบเรียลไทม์ บทนี้จะพาคุณจากศูนย์สู่การใช้งานจริง ตั้งแต่การสมัคร การเลือกแผนให้เหมาะกับปริมาณงานและงบประมาณ ไปจนถึงการตั้งค่าที่ควรทำในวันแรกเพื่อความเป็นส่วนตัวและประสิทธิภาพ

สมัครและล็อกอิน

Perplexity เข้าถึงได้หลายช่องทาง ไม่จำเป็นต้องติดตั้งอะไรก็เริ่มได้ทันที:

เว็บ: เปิด perplexity.ai แล้วเริ่มถามได้เลยแบบไม่ต้องล็อกอิน (แต่ประวัติจะไม่ถูกบันทึก)
แอปมือถือ: มีทั้ง iOS และ Android พร้อม Voice Assistant ที่ทำงานข้ามแอปได้ (เช่น ตั้งปฏิทิน ร่างอีเมล)
ส่วนขยายเบราว์เซอร์ และ Comet เบราว์เซอร์ AI-native ของ Perplexity เอง (ณ กลางปี 2026 เปิดให้ใช้ฟรีทั่วโลกบน iOS/Android/Mac/Windows)

ขั้นตอนสมัครใช้เวลาไม่ถึงหนึ่งนาที: กด Sign Up เลือกล็อกอินด้วย Google, Apple หรืออีเมล ยืนยันตัวตน แล้วเริ่มใช้งานได้ทันที

💡 ทิป: ลองใช้แบบไม่ล็อกอินสักสองสามคำถามเพื่อสัมผัส "answer + citations" ก่อน แล้วค่อยสมัครเมื่อต้องการเก็บประวัติ (Library), ใช้ Spaces หรือเลือกโมเดลเอง

flowchart TD
    A[เปิด perplexity.ai หรือแอป] --> B{ต้องการเก็บประวัติ<br/>และฟีเจอร์เต็ม?}
    B -->|ไม่| C[ถามได้เลยแบบ Guest]
    B -->|ใช่| D[Sign Up ด้วย Google/Apple/Email]
    D --> E[ใช้แผน Free]
    E --> F{ใช้ Deep Research<br/>หรือเลือกโมเดลบ่อย?}
    F -->|ไม่| G[อยู่ที่ Free ต่อได้]
    F -->|ใช่| H[อัปเกรดเป็น Pro หรือ Max]

ภาพรวมและตารางเทียบแผน

ณ ปี 2026 Perplexity มีแผนสำหรับบุคคลหลัก 3 ระดับ (Free, Pro, Max) และระดับองค์กร (Enterprise Pro/Max) โดยตัวเลข limit อาจเปลี่ยนแปลงได้ เนื่องจากมีรายงานว่า Perplexity ปรับโครงสร้างแผนช่วงกลางปี 2026 — ควรตรวจสอบหน้าราคาทางการล่าสุดก่อนตัดสินใจเสมอ

แผน	ราคา (โดยประมาณ)	Pro Search	Deep Research	เลือกโมเดลเอง	อัปโหลดไฟล์ / Spaces	เหมาะกับใคร
Free	ฟรี	~3-5 ครั้ง/วัน	จำกัดมาก (ตัวเลขไม่แน่นอน)	ไม่ได้ (ใช้ Sonar อัตโนมัติ)	สร้าง Spaces ได้ แต่อัปโหลดไฟล์ไม่ได้	ผู้เริ่มต้น, ใช้ค้นหาทั่วไปเป็นครั้งคราว
Pro	~$20/เดือน หรือ ~$200/ปี	Unlimited	~20 ครั้ง/วัน (บางแหล่งระบุสูงกว่านี้มาก ~หลายร้อยครั้ง/วัน)	ได้ (GPT, Claude, Gemini, Grok ฯลฯ)	ได้ (~50 ไฟล์/Space), Pages เต็มรูปแบบ, Labs	คนทำงาน, นักวิจัย, นักพัฒนาส่วนใหญ่
Max	~$200/เดือน	Unlimited	limit สูงกว่า Pro	ได้ + Model Council	สูงสุด + Perplexity Computer (~10,000 credits/เดือน), priority support	ผู้ใช้ปริมาณมาก, power user, agentic workflow
Enterprise Pro	~$40/ที่นั่ง/เดือน	Unlimited	สูง	ได้	+ Internal Knowledge, org file repositories, ข้อมูลไม่ถูกนำไปเทรน	ทีม/องค์กรที่ต้องการความปลอดภัย
Enterprise Max	~$325/ที่นั่ง/เดือน (หรือ custom)	Unlimited	สูงสุด	ได้	ความสามารถองค์กรระดับสูงสุด	องค์กรขนาดใหญ่ที่ใช้ agentic เข้มข้น

หมายเหตุเพิ่มเติม:

Comet เบราว์เซอร์ ใช้ได้ทุกแผน (รวมถึง Free) หลังถอด paywall เปิดฟรีทั่วโลกเมื่อ 18 มี.ค. 2026 — ไม่ใช่สิทธิพิเศษของ Pro
นักเรียน/นักศึกษาและครู ที่ยืนยันตัวตนได้อาจได้ Education Pro ราคาประมาณ $10/เดือน
สถาบันการศึกษา/องค์กรไม่แสวงหากำไร อาจได้ Enterprise Pro ในราคาลดพิเศษ (~$30/ที่นั่ง/เดือน)
Sonar API สำหรับนักพัฒนาคิดราคาแยกแบบ pay-as-you-go ตาม token ไม่รวมอยู่ในแผน consumer

⚠️ ตัวเลข limit การค้น (โดยเฉพาะ Deep Research) แตกต่างกันมากในแต่ละแหล่ง — ฝั่ง Free มีตั้งแต่ ~1 ครั้ง/เดือน ถึง ~5 ครั้ง/วัน ส่วน Pro บางแหล่งระบุ ~20 ครั้ง/วัน แต่บางแหล่งอ้างระดับหลายร้อยครั้ง/วัน (~500) และ Perplexity มักไม่ประกาศเป็นตัวเลขตายตัว ให้ถือตัวเลขในตารางเป็นค่าประมาณและยืนยันในแอปจริงอีกครั้ง อย่ายึด 20 เป็นเพดานจริง

แผนฟรีทำอะไรได้ / ไม่ได้

ทำได้:

ถามคำถามและได้คำตอบพร้อม inline citations แบบไม่จำกัด (โหมด Search มาตรฐาน)
ใช้ Pro Search ได้จำนวนจำกัดต่อวัน (~3-5 ครั้ง)
ใช้ Deep Research ได้แบบจำกัดมาก
สร้าง Spaces เพื่อจัดกลุ่มการค้นคว้าตามหัวข้อ
ใช้ Comet เบราว์เซอร์ได้ (หลังถอด paywall เปิดฟรีทั่วโลก 18 มี.ค. 2026)

ทำไม่ได้ (ต้องอัปเกรด):

เลือกโมเดลเอง — Free ใช้โมเดล Sonar ที่ระบบเลือกให้อัตโนมัติเท่านั้น จะเลือก GPT-5, Claude Opus, Gemini หรือ Grok ไม่ได้
อัปโหลดไฟล์เข้า Spaces — สร้าง Space ได้แต่แนบ PDF/Word/Excel เพื่อให้ AI วิเคราะห์ไม่ได้ (ต้อง Pro ขึ้นไป)
ใช้ Pro Search / Deep Research แบบเข้มข้นต่อเนื่อง
Model Council และ Perplexity Computer (เฉพาะ Max)

💡 ถ้าคุณยังไม่แน่ใจว่าจะจ่ายไหม ให้ใช้ Free ไปสัก 1-2 สัปดาห์ แล้วสังเกตว่าคุณ "ชน limit" ของ Pro Search/Deep Research บ่อยแค่ไหน หรือรู้สึกอยากเลือกโมเดลเองไหม — สองสัญญาณนี้คือจุดที่ Pro เริ่มคุ้มค่า

ใครควรใช้แผนไหน

Free: ผู้ที่เพิ่งเริ่ม, ใช้ค้นหาแทน Google เป็นครั้งคราว, ไม่ต้องอัปโหลดไฟล์
Pro ($20/เดือน): จุดคุ้มค่าที่สุดสำหรับคนทำงานส่วนใหญ่ — ได้ Pro Search ไม่จำกัด, Deep Research พอเพียง, เลือกโมเดล frontier ได้ และอัปโหลดไฟล์เข้า Space ได้ (พร้อมใช้ Labs) หากทำงานวิจัย เขียนรายงาน หรือวิเคราะห์เอกสารเป็นประจำ นี่คือแผนที่แนะนำ (ส่วน Comet ใช้ได้อยู่แล้วทุกแผน)
Max ($200/เดือน): เหมาะกับ power user ที่ต้องการ Deep Research ปริมาณสูงทุกวัน, ใช้ Model Council เปรียบเทียบคำตอบข้ามโมเดล และใช้ระบบ agentic (Perplexity Computer) อย่างจริงจัง
Enterprise: ทีมและองค์กรที่ต้องการการจัดการผู้ใช้, คลังไฟล์ส่วนกลาง (Internal Knowledge) และการรับประกันว่าข้อมูลไม่ถูกนำไปเทรนโมเดล (มี SOC 2 Type II, Trust Center)

การตั้งค่าที่ควรทำในวันแรก

หลังล็อกอินครั้งแรก แนะนำให้เข้า Settings แล้วปรับ 4 จุดสำคัญนี้:

ปิด AI Data Retention (สำคัญที่สุดด้านความเป็นส่วนตัว) — สำหรับบัญชี consumer (Free/Pro) การนำข้อมูลค้นหาไปปรับปรุง/เทรน AI มักเปิดไว้เป็นค่าเริ่มต้น (opt-out) ถ้าไม่ต้องการให้ prompt ของคุณถูกใช้เทรน ให้เข้าไปปิดในการตั้งค่าด้วยตนเอง
ตั้งค่าโมเดลเริ่มต้น (สำหรับ Pro/Max) — เลือกโมเดลที่ถนัดใน model picker หรือปล่อยเป็นโหมด Auto / Best ให้ระบบเลือกโมเดลที่เหมาะกับคำถามอัตโนมัติ (เหมาะเป็นค่าเริ่มต้นสำหรับงานทั่วไป)
ตั้งค่าภาษาและตำแหน่ง — ตั้งภาษาเป็นไทยหรืออังกฤษตามต้องการ เพื่อให้คำตอบและแหล่งอ้างอิงเหมาะกับบริบทของคุณ
สร้าง Space แรก — สร้างพื้นที่ทำงานตามโปรเจกต์ พร้อมตั้ง custom instructions (โทน, ภาษา, แหล่งอ้างอิงที่ต้องการ) ซึ่งจะถูกใช้กับทุก thread ใหม่ใน Space นั้นโดยอัตโนมัติ (Pro ขึ้นไปอัปโหลดไฟล์เข้า Space ได้ด้วย)

⚠️ ไม่ว่าจะแผนใด อย่าเชื่อคำอ้างอิงโดยไม่คลิกดูแหล่งจริง — งานวิจัยอิสระ (Tow Center, มี.ค. 2025) พบว่าเครื่องมือ AI search รวมถึง Perplexity ยังมีอัตราการอ้างอิงผิด/แต่งขึ้นในสัดส่วนสูง (Perplexity ~37%, Pro ~45%) โดยเฉพาะแบบ misattribution ที่ลิงก์เปิดได้จริงแต่เนื้อหาในหน้าไม่ตรงกับที่อ้าง การกดตรวจสอบเองคือนิสัยพื้นฐานที่ต้องมีตั้งแต่วันแรก

เมื่อสมัคร เลือกแผน และตั้งค่าเรียบร้อยแล้ว บทถัดไปจะเจาะลึกโหมดค้นหาแต่ละระดับ (Search, Pro Search, Deep Research) และวิธีเลือกโมเดลให้เหมาะกับแต่ละงาน

บทที่ 3: โหมดค้นหาและการเลือกโมเดลให้เหมาะกับงาน

หัวใจของการใช้ Perplexity ให้คุ้มค่าไม่ได้อยู่ที่ "ถามอะไร" อย่างเดียว แต่อยู่ที่ เลือกโหมดค้นหาและโมเดลให้ตรงกับลักษณะงาน เพราะแต่ละโหมดแลกกันระหว่างความเร็ว ความลึก และโควตาการใช้งาน บทนี้จะพาดูตั้งแต่ Search ปกติ ไปจนถึงโหมดค้นเชิงลึก การเลือกโมเดลจากหลายผู้ผลิตในแผนเสียเงิน และหลักการตัดสินใจแบบใช้งานได้จริง

⚠️ ชื่อรุ่นโมเดล จำนวนโหมด และ limit ของแต่ละแผนใน Perplexity เปลี่ยนบ่อยมาก (มีรายงานการปรับโครงสร้างแผนกลางปี 2026) ตัวเลขและชื่อในบทนี้ให้ถือเป็นภาพ ณ ปี 2026 เพื่อความเข้าใจหลักการ — เวลาใช้งานจริงให้ยึด mode selector และ model picker ในแอป กับหน้า Help Center ทางการ (perplexity.ai/help-center) เป็นหลักเสมอ

3.1 ภาพรวมโหมดค้นหา

Perplexity ณ ปี 2026 มีระดับการค้นหลัก ๆ ดังนี้ เรียงจากเร็ว/ตื้น ไปช้า/ลึก:

Search (มาตรฐาน) — ค้นเว็บรอบเดียว สรุปคำตอบพร้อม citations อย่างรวดเร็ว เหมาะกับคำถาม lookup ทั่วไป เป็นระดับที่ผู้ใช้ Free เข้าถึงได้เต็มที่ (ใช้โมเดลตระกูล Sonar ที่ระบบเลือกให้)
Pro Search — ค้นแบบ หลายขั้นตอน: ระบบแตกคำถามเป็นคำถามย่อย ค้นหลายรอบ แล้วสังเคราะห์คำตอบที่ครบถ้วนกว่า Search ปกติ จุดสำคัญคือในโหมดนี้ผู้ใช้แผนเสียเงินเลือกโมเดลเองได้
Research / Deep Research — โหมด agentic ที่ทำงานอัตโนมัติ: ปรับคำค้นเอง อ่านหลายสิบถึงหลายร้อยแหล่ง แล้วสร้าง รายงานยาวมีโครงสร้างพร้อมอ้างอิงในทุกข้ออ้าง ใช้เวลาประมาณ 2-5 นาทีต่อครั้ง

flowchart TD
    A[คำถามของคุณ] --> B{ต้องการอะไร?}
    B -->|คำตอบเร็ว lookup| C[Search มาตรฐาน]
    B -->|คำตอบครบ หลายแง่มุม| D[Pro Search<br/>เลือกโมเดลได้]
    B -->|รายงานค้นคว้าเชิงลึก| E[Deep Research<br/>ระบบเลือกโมเดลเอง]
    B -->|ไม่แน่ใจ| F[Auto / Best<br/>ให้ระบบเลือกให้]
    C --> G[คำตอบ + citations]
    D --> G
    E --> H[รายงานยาว + citations<br/>export ได้]
    F --> G

💡 หลักคิดง่าย ๆ: ยิ่งงานต้องการความลึกและการสังเคราะห์หลายแหล่ง ยิ่งเลื่อนลงไปทาง Deep Research; ยิ่งอยากได้เร็วและประหยัดโควตา ยิ่งอยู่ที่ Search/Auto

3.2 Auto (Best) — ค่าเริ่มต้นที่ควรปล่อยไว้เป็นส่วนใหญ่

Perplexity มีโหมด Auto (บางที่เรียก "Best") ที่ เลือกโมเดลและระดับการค้นให้อัตโนมัติ ตามลักษณะคำถาม โดยถ่วงน้ำหนักความเร็ว การ browsing และความแม่นยำ เหมาะเป็นค่าตั้งต้นสำหรับคำถามทั่วไป

สำหรับผู้ใช้ส่วนใหญ่ Auto ให้ผลดีพอในงานประจำวัน คุณค่อยเปลี่ยนไปเลือกโหมด/โมเดลเองเมื่อมีเหตุผลชัดเจน เช่น ต้องการเหตุผลเชิงลึก ต้องการโมเดลเฉพาะ หรือต้องทำรายงานยาว

3.3 การเลือกโมเดลในแผนเสียเงิน

ความต่างสำคัญระหว่างแผน Free กับแผนเสียเงินคือ สิทธิ์เลือกโมเดลเอง:

Free — ใช้โมเดลตระกูล Sonar ที่ระบบเลือกให้เท่านั้น เลือกเองไม่ได้ และ Pro Search/Deep Research มีโควตาจำกัดต่อวัน (ตัวเลขไม่แน่นอน เปลี่ยนบ่อย)
Pro ($20/เดือน) — เปิด dropdown เลือกโมเดล frontier ได้เองในโหมด Pro Search พร้อม Pro Search ไม่จำกัด และ Deep Research โควตาสูง
Max ($200/เดือน) — รวมทุกอย่างใน Pro พร้อม limit สูงกว่า และปลดฟีเจอร์พิเศษอย่าง Model Council (รันคำถามเดียวกันผ่านหลายโมเดล frontier พร้อมกันแล้วสังเคราะห์เปรียบเทียบจุดที่เห็นตรง/ต่างกัน) และเข้าถึง Labs/Perplexity Computer

โมเดลที่เลือกได้ในแผน Pro โดยทั่วไปครอบคลุมทั้ง ตระกูล Sonar ของ Perplexity เอง (Sonar เร็ว, Sonar Reasoning สำหรับงาน logic/technical) และ โมเดล third-party จากหลายผู้ผลิต เช่น GPT (ตระกูล GPT-5), Claude (ตระกูล Sonnet/Opus 4.x), Gemini (ตระกูล 3 Pro), Grok (ตระกูล 4.x) และ Kimi K2 Thinking

⚠️ เวอร์ชันย่อยของแต่ละโมเดล (เช่น GPT-5.1/5.2, Claude Sonnet 4.5/4.6, Opus 4.5/4.6, Gemini 3/3.1 Pro, Grok 4.1) ที่แหล่งต่าง ๆ อ้างในกลางปี 2026 ไม่ตรงกัน เพราะผู้ผลิตอัปเดตถี่ อย่ายึดเลขเวอร์ชันในเอกสารใด ๆ ให้เปิด model picker ในแอปดูรายชื่อจริง ณ ตอนใช้งาน

💡 ข้อสังเกตสำคัญ: ในโหมด Deep Research ผู้ใช้เลือกโมเดลเองไม่ได้ ระบบเลือกให้อัตโนมัติ (ต่างจาก Pro Search) ถ้าคุณอยากบังคับใช้โมเดลเฉพาะ ต้องอยู่ในโหมด Pro Search

3.4 ตารางเทียบ: เลือกโหมดและโมเดลตามงาน

งาน / สถานการณ์	โหมดที่แนะนำ	โมเดลที่เหมาะ	เหตุผล
หาข้อเท็จจริงเร็ว ๆ, เช็กนิยาม, ราคา, วันเวลา	Search / Auto	Auto (Sonar)	เร็ว ประหยัดโควตา เพียงพอ
คำถามหลายแง่มุม ต้องเทียบข้อมูลหลายแหล่ง	Pro Search	Sonar Reasoning หรือ Claude/GPT	แตกคำถามย่อย ค้นหลายรอบ
งานเหตุผลเชิงตรรกะ/เทคนิค, วิเคราะห์โค้ด	Pro Search	โมเดลสาย reasoning (เช่น Sonar Reasoning, Claude, GPT)	เก่ง chain-of-thought
งานเขียน/เรียบเรียงภาษาให้ลื่น	Pro Search	Claude หรือ GPT	จุดแข็งด้านภาษา/สร้างสรรค์
รายงานตลาด, literature review, due diligence	Deep Research	ระบบเลือกให้ (เลือกเองไม่ได้)	สังเคราะห์หลายสิบแหล่ง + citations
อยากเทียบมุมมองหลายโมเดลในคำถามเดียว	Model Council (Max)	หลายโมเดล frontier พร้อมกัน	เห็นจุดที่โมเดลเห็นตรง/ต่างกัน
ไม่แน่ใจว่าจะเลือกอะไร	Auto	Auto	ให้ระบบตัดสินใจแทน

3.5 ข้อควรระวังที่ใช้ได้กับทุกโหมด/ทุกโมเดล

ไม่ว่าจะเลือกโหมดลึกแค่ไหนหรือโมเดลแรงเพียงใด หลักการตรวจสอบยังเหมือนเดิม:

citations ต้องคลิกดูจริงเสมอ — งานวิจัยอิสระ (Tow Center, มี.ค. 2025) พบว่าเครื่องมือ AI search มักให้อ้างอิงผิด/แต่งขึ้นเกิน 60% ของครั้ง แม้ Perplexity ทำได้ดีที่สุดในกลุ่มก็ยังพลาดราว 37% และ Pro ไม่ได้แปลว่าแม่นยำกว่า เสมอไป
ความผิดที่อันตรายคือ misattribution — ลิงก์เปิดได้จริงแต่เนื้อหาในหน้านั้นไม่ตรงกับที่ AI อ้าง ดังนั้นห้ามเชื่ออ้างอิงโดยไม่เปิดดู
โมเดลที่ "ฉลาดกว่า" ไม่ได้ลด hallucination เสมอ เพราะคุณภาพคำตอบขึ้นกับ คุณภาพหน้าเว็บที่ดึงมา ด้วย โดยเฉพาะคำถามเฉพาะทาง ข่าวสด หรือภาษาที่ไม่ใช่อังกฤษ

💡 เวิร์กโฟลว์ที่คุ้มค่าที่สุดคือ ไล่จากเบาไปหนัก: เริ่มด้วย Auto/Search เพื่อสำรวจ ถ้ายังไม่ครบค่อยยก Pro Search พร้อมเลือกโมเดลที่ตรงกับงาน และสงวน Deep Research ไว้สำหรับงานที่ต้องสังเคราะห์หลายแหล่งจริง ๆ เพื่อไม่เปลืองโควตาและเวลา

บทที่ 4: ศิลปะการตั้งคำถามให้ได้คำตอบที่อ้างอิงได้ดี

Perplexity คือ answer engine ไม่ใช่แชตบอตที่ตอบจากความจำ ทุกครั้งที่คุณถาม ระบบจะไปค้นเว็บสด ๆ แล้วสังเคราะห์คำตอบพร้อม inline citations (ตัวเลขกำกับ) กลับมาให้ ด้วยเหตุนี้ วิธีตั้งคำถามจึงมีผลโดยตรงต่อ 2 อย่าง: (1) ระบบไปดึง "แหล่งที่มา" ไหนมาตอบ และ (2) คำตอบนั้น ตรวจสอบย้อนกลับได้แค่ไหน บทนี้จะสอนหลักการตั้งคำถามให้ได้คำตอบที่อ้างอิงได้ดี พร้อมวิธีอ่านและตรวจสอบ citations ซึ่งเป็นทักษะที่ขาดไม่ได้

⚠️ ย้ำตั้งแต่ต้นบท: การมี citation ไม่ได้แปลว่าถูกต้อง งานวิจัยอิสระของ Tow Center (Columbia Journalism Review, มี.ค. 2025) พบว่าเครื่องมือ AI search โดยรวมให้การอ้างอิงผิด/แต่งขึ้นกว่า 60% ของครั้ง โดย Perplexity ทำได้ "ดีที่สุด" ในกลุ่มแต่ยังผิดราว 37% (Perplexity Pro ~45-46%) คุณต้อง คลิกดูลิงก์เสมอ ก่อนนำไปใช้ตัดสินใจ

หลักการ 4 เสาของคำถามที่ดี

คำถามที่ให้คำตอบอ้างอิงได้ดี มักมีองค์ประกอบครบ 4 อย่าง จำง่าย ๆ ว่า บริบท–ขอบเขต–ช่วงเวลา–รูปแบบผลลัพธ์

บริบท (Context): คุณเป็นใคร ถามเพื่ออะไร เช่น "สำหรับธุรกิจ SME ในไทย" ช่วยให้ระบบเลือกแหล่งที่ตรงกลุ่ม
ขอบเขต (Scope): จำกัดหัวข้อให้แคบและชัด อย่าถามกว้างจนระบบต้องเดา
ช่วงเวลา (Timeframe): ระบุปี/ช่วงเวลาชัด ๆ เช่น "ข้อมูลปี 2025-2026 เท่านั้น" ป้องกันการดึงข้อมูลเก่ามาปน
รูปแบบผลลัพธ์ (Output format): บอกว่าต้องการตาราง สรุปเป็น bullet หรือรายงานพร้อมอ้างอิงทุกข้อ

ตัวอย่างคำถามที่ดีกับไม่ดี เทียบกัน

มิติ	❌ คำถามที่ไม่ดี	✅ คำถามที่ดี
กว้างเกินไป	"รถ EV ดีไหม"	"เปรียบเทียบระยะทางวิ่งและราคาของรถ EV 3 รุ่นที่ขายในไทยปี 2025 พร้อมอ้างอิงราคาจากผู้ผลิต"
ไม่มีช่วงเวลา	"อัตราดอกเบี้ยนโยบายไทยเท่าไหร่"	"อัตราดอกเบี้ยนโยบายของ กนง. ล่าสุด ณ ไตรมาส 2 ปี 2026 อ้างอิงจากประกาศ ธปท."
ไม่ระบุแหล่ง	"งานวิจัยว่าไง"	"สรุปงานวิจัย peer-reviewed ปี 2023-2025 เรื่องผลของ intermittent fasting ต่อระดับน้ำตาลในเลือด ใช้แหล่ง Academic เท่านั้น"
ไม่บอกรูปแบบ	"เล่าเรื่องภาษีคริปโตไทยหน่อย"	"สรุปเป็นตารางว่าภาษีกำไรคริปโตในไทยปี 2026 คิดยังไง แยกตามประเภทผู้เสียภาษี พร้อมลิงก์กรมสรรพากร"

หลักการสำคัญ: คำถามที่เจาะจงจะได้ citation ที่เจาะจงและตรวจสอบง่ายกว่า คำถามกว้าง ๆ มักดึงเนื้อหา SEO คุณภาพต่ำมาตอบ

💡 ทิป: แยกให้ชัดว่าฟีเจอร์ไหนทำอะไร — การเลือกแหล่งข้อมูล (Web / Academic / Social / Video ฯลฯ) คือฟีเจอร์ Focus (บน Enterprise เรียก Choose sources) ที่ผู้ใช้ทั่วไปก็ปรับได้ ไม่ได้ผูกกับแผน Pro ส่วน Pro Search เป็นคนละเรื่อง คือการค้นแบบหลายขั้นตอน (แยกคำถามย่อยแล้วสังเคราะห์) และ เลือกโมเดล frontier ได้เอง (เช่น GPT, Claude, Gemini) ในแผนเสียเงิน ถ้าต้องการงานค้นคว้าเชิงลึกที่สังเคราะห์หลายสิบแหล่งพร้อมรายงานมีโครงสร้าง ให้สลับไปโหมด Deep Research จาก mode selector (ใช้เวลา ~2-5 นาที) โดยโหมดนี้ระบบจะเลือกโมเดลให้อัตโนมัติ (เลือกเองไม่ได้)

การถามต่อเนื่อง (Follow-up) อย่างมีชั้นเชิง

จุดแข็งของ answer engine คือ การสนทนาต่อเนื่อง ระบบจำบริบทใน thread เดิมได้ กลยุทธ์ที่ได้ผลคือ เริ่มกว้างแล้วค่อยเจาะลึก (funnel technique):

ถามภาพรวมก่อน เพื่อให้ระบบวางกรอบและดึงแหล่งหลัก
เจาะประเด็นย่อยทีละอัน เช่น "ขยายข้อ 3 ให้ละเอียด" หรือ "มีตัวเลขสนับสนุนไหม"
ท้าทายคำตอบ เช่น "มีงานวิจัยที่ขัดแย้งกับข้อสรุปนี้ไหม" — เทคนิคนี้ช่วยลด bias และเผยความไม่แน่นอน
ขอปรับรูปแบบ เช่น "สรุปทั้งหมดเป็นตารางพร้อมคอลัมน์แหล่งอ้างอิง"

[คำถามที่ 1 – ภาพรวม]
ภาพรวมตลาด e-commerce ไทยปี 2025 เป็นอย่างไร ขนาดตลาดและผู้เล่นหลัก

[Follow-up ที่ 2 – เจาะลึก]
เจาะเฉพาะส่วนแบ่งตลาดของ 3 แพลตฟอร์มใหญ่ ใส่ตัวเลข % และปีของข้อมูล

[Follow-up ที่ 3 – ท้าทาย/ตรวจสอบ]
ตัวเลขส่วนแบ่งเหล่านี้มาจากแหล่งไหน มีแหล่งอื่นที่ให้ตัวเลขต่างออกไปไหม

การขอให้สรุปแบบมีอ้างอิงชัดเจน

คุณสามารถ "สั่ง" รูปแบบการอ้างอิงได้โดยตรงใน prompt ซึ่งช่วยให้ตรวจสอบง่ายขึ้นมาก:

สรุปประเด็นเป็น bullet ไม่เกิน 6 ข้อ โดยแต่ละข้อต้องมีเลขอ้างอิง [n]
กำกับ และท้ายคำตอบให้ระบุว่าแต่ละแหล่งเป็นประเภทใด (ข่าว/งานวิชาการ/
เว็บทางการ) ถ้าข้อไหนไม่มีแหล่งยืนยันชัดเจน ให้บอกว่า "ไม่มีแหล่งยืนยัน"

💡 ทิป: การเพิ่มประโยค "ถ้าไม่มีข้อมูลที่เชื่อถือได้ ให้บอกว่าไม่ทราบ อย่าเดา" ช่วยลดการ hallucinate ได้ในระดับหนึ่ง โดยเฉพาะคำถามเฉพาะทางหรือข่าวสดที่แหล่งยังน้อย

วิธีอ่านและตรวจสอบ Citations

นี่คือขั้นตอนที่แยกผู้ใช้มืออาชีพออกจากผู้ใช้ทั่วไป ความผิดพลาดที่อันตรายที่สุดของ Perplexity คือ misattribution — ลิงก์เป็นของจริง เปิดได้ปกติ แต่เนื้อหาในหน้านั้น ไม่มีข้อความตามที่ Perplexity อ้าง

flowchart TD
    A[ได้คำตอบพร้อม citations] --> B{ข้ออ้างนี้สำคัญ<br/>ต่อการตัดสินใจ?}
    B -->|ไม่| C[อ่านเป็นข้อมูลเบื้องต้น]
    B -->|ใช่| D[คลิกเปิดลิงก์ต้นทางจริง]
    D --> E{หน้านั้นมีข้อความ<br/>ตรงกับที่อ้างไหม?}
    E -->|ตรง| F{แหล่งน่าเชื่อถือ<br/>และทันสมัย?}
    E -->|ไม่ตรง| G[misattribution:<br/>ทิ้งข้ออ้างนี้]
    F -->|ใช่| H[ใช้ได้ + เก็บลิงก์]
    F -->|ไม่| I[หาแหล่งยืนยันเพิ่ม]
    G --> I

เช็กลิสต์ตรวจ citation อย่างรวดเร็ว:

คลิกเข้าไปจริง อย่าเชื่อแค่ชื่อโดเมนหรือ snippet ที่แสดง
หาข้อความต้นทาง ในหน้านั้นให้เจอ (ใช้ Ctrl/Cmd+F ค้นคำสำคัญ) ถ้าหาไม่เจอ = สัญญาณ misattribution
ดูวันที่เผยแพร่ ระวังแหล่งเก่าที่ถูกดึงมาตอบคำถามเรื่องปัจจุบัน
ประเมินคุณภาพแหล่ง เว็บทางการ/งานวิชาการ > ข่าว > ฟอรัม/บล็อก (Perplexity อ้าง Reddit ราว 24% ของ citations ต้นปี 2026 ซึ่งเหมาะกับความเห็นแต่ไม่ใช่ข้อเท็จจริงเชิงตัวเลข)
cross-check ข้ออ้างสำคัญด้วยแหล่งอิสระอย่างน้อย 2 แหล่ง โดยเฉพาะตัวเลข วันที่ และคำพูดอ้างอิง

⚠️ อย่าไว้ใจตัวเลขความแม่นยำที่บริษัทอ้าง (เช่น "94% accuracy") มากเกินไป เพราะขัดแย้งกับผลทดสอบอิสระอย่างชัดเจน ให้ยึดหลัก "verify, don't trust" เสมอ และจำไว้ว่า แผน Pro ไม่ได้แปลว่าอ้างอิงแม่นยำกว่า — บางการทดสอบพบว่าผิดมากกว่าด้วยซ้ำ

สรุปสั้น ๆ

คำถามที่ดีคือคำถามที่ เจาะจง มีบริบท มีช่วงเวลา และกำหนดรูปแบบผลลัพธ์ จากนั้นใช้ follow-up แบบ funnel เพื่อเจาะลึกและท้าทายคำตอบ และไม่ว่าคำตอบจะดูดีแค่ไหน ให้ปิดท้ายด้วยการ คลิกตรวจ citation จริงทุกครั้งสำหรับข้ออ้างที่สำคัญ นี่คือหัวใจของการใช้ answer engine อย่างมืออาชีพ: ให้ AI ช่วยเร่งการค้นคว้า แต่การตัดสินความน่าเชื่อถือยังเป็นหน้าที่ของคุณ

บทที่ 5: Spaces: จัดระเบียบการค้นคว้าและไฟล์

เมื่อคุณใช้ Perplexity อย่างจริงจัง คำถามและ thread ต่าง ๆ จะกระจัดกระจายอย่างรวดเร็ว โปรเจกต์วิจัยตลาดปนกับคำถามส่วนตัว เอกสารอ้างอิงหาย และคุณต้องพิมพ์บริบทเดิมซ้ำทุกครั้งที่เปิดแชตใหม่ Spaces คือคำตอบของปัญหานี้ — พื้นที่ทำงานที่รวบรวมการค้นคว้า ไฟล์อ้างอิง และคำสั่งประจำตัวไว้ในที่เดียว

💡 Spaces คือชื่อใหม่ที่พัฒนาต่อยอดจากฟีเจอร์เดิมที่ชื่อ Collections หากคุณเคยใช้ Collections มาก่อน ระบบได้แปลงเป็น Spaces ให้โดยอัตโนมัติแล้ว

Spaces คืออะไร และทำไมต้องใช้

มองว่า Space คือ "โฟลเดอร์โปรเจกต์อัจฉริยะ" ที่รวม 3 องค์ประกอบเข้าด้วยกัน:

การค้นคว้า (threads): ทุก thread ที่คุณสร้างภายใน Space จะถูกเก็บรวมกันตามหัวข้อ ไม่ปนกับ thread อื่น
ไฟล์อ้างอิง (knowledge): อัปโหลดเอกสารเข้า Space แล้ว AI จะค้นทั้งจากไฟล์ของคุณและจากเว็บพร้อมกัน
คำสั่งประจำ (custom instructions): ตั้งบริบท โทน และแนวทางตอบครั้งเดียว ใช้กับทุก thread ในนั้นอัตโนมัติ

flowchart TD
    A[Space: โปรเจกต์วิจัยตลาด] --> B[Custom Instructions<br/>บริบท+โทน+แหล่งอ้างอิง]
    A --> C[ไฟล์อ้างอิง<br/>PDF, Excel, PPTX]
    A --> D[Threads หลายอัน<br/>คำถามในหัวข้อเดียวกัน]
    B --> E[ทุก thread ใหม่<br/>ได้บริบทเดียวกันอัตโนมัติ]
    C --> E
    D --> E
    E --> F[คำตอบพร้อม citations<br/>จากไฟล์ + เว็บ]

การแนบไฟล์อ้างอิงเข้า Space

ภายใน Space คุณอัปโหลดไฟล์ได้หลายรูปแบบ แล้ว AI จะใช้ไฟล์เหล่านั้นเป็นแหล่งข้อมูลควบคู่กับการค้นเว็บ

รายการ	รายละเอียด (ณ ปี 2026)
รูปแบบไฟล์	PDF, Word (DOC/DOCX), Excel (XLSX), PowerPoint (PPTX), CSV, TXT, RTF
ขนาดต่อไฟล์	ประมาณ 25 MB
จำนวนไฟล์ต่อ Space	Pro ~50 ไฟล์ · Enterprise มากกว่ามาก (มีรายงานถึง ~500)
การเก็บไฟล์	ถาวรจนกว่าคุณจะลบเอง (Pro/Enterprise)
สิทธิ์อัปโหลด	ต้องใช้แผน Pro, Max หรือ Enterprise (ผู้ใช้ Free สร้าง Space ได้แต่อัปโหลดไฟล์ไม่ได้)

⚠️ ตัวเลขขนาดและจำนวนไฟล์อาจต่างกันตามแผนและช่วงเวลา — Perplexity ปรับนโยบายเหล่านี้บ่อย ควรตรวจสอบในหน้าอัปโหลดจริงอีกครั้ง อีกจุดที่ต้องรู้: Spaces ไม่ทำดัชนี (index) รูปภาพ ดังนั้นเนื้อหาในภาพจะไม่ถูกค้นเจอ

สำหรับผู้ใช้ Enterprise สามารถดึงไฟล์จากบัญชีคลาวด์ที่เชื่อมต่อได้โดยตรง เช่น Google Drive, SharePoint, OneDrive, Box และ Dropbox ซึ่ง Spaces เปิดตัวควบคู่กับฟีเจอร์ Internal Knowledge Search สำหรับค้นในคลังไฟล์ขององค์กร

ตั้ง Custom Instructions ประจำ Space

นี่คือหัวใจที่ทำให้ Spaces ทรงพลัง — คุณกำหนด custom instructions ให้ AI ทำงานตามที่ต้องการทุกครั้งโดยไม่ต้องพิมพ์ซ้ำ ระบบจะนำ instructions นี้ไปใช้กับทุก thread ใหม่ภายใน Space นั้นอัตโนมัติ

ตัวอย่าง instructions ที่ใช้ได้จริงสำหรับ Space งานวิจัยตลาด:

บทบาท: คุณเป็นนักวิเคราะห์ตลาดที่ช่วยฉันวิจัยอุตสาหกรรม e-commerce ในเอเชียตะวันออกเฉียงใต้

แนวทางตอบ:
- ตอบเป็นภาษาไทย ใช้ศัพท์เทคนิคภาษาอังกฤษได้
- อ้างอิงข้อมูลปี 2024 เป็นต้นไปเท่านั้น ระบุปีของข้อมูลเสมอ
- ให้ความสำคัญกับแหล่งข้อมูลจากไฟล์ที่อัปโหลดก่อน แล้วเสริมด้วยเว็บ
- สรุปตัวเลขสำคัญเป็น bullet และแนบ citation ทุกข้ออ้าง
- หลีกเลี่ยงการคาดเดา ถ้าไม่มีข้อมูลให้บอกตรง ๆ

นอกจาก instructions แล้ว ผู้ใช้ Pro/Enterprise ยัง เลือกโมเดล AI ประจำ Space ได้ เช่น เลือกโมเดลตระกูล reasoning สำหรับ Space งานวิเคราะห์ หรือโมเดลเร็วสำหรับงานตอบทั่วไป (ชื่อรุ่นเปลี่ยนบ่อย ตรวจสอบใน model picker ในแอป)

💡 เขียน instructions ให้เจาะจงบทบาท ขอบเขต และรูปแบบผลลัพธ์ ยิ่งชัดยิ่งได้คำตอบตรงใจ และช่วยลดการต้องแก้ prompt รายครั้ง

การทำงานร่วมกันและการแชร์

Spaces ออกแบบมาเป็น collaboration hub ไม่ใช่แค่พื้นที่ส่วนตัว คุณเชิญคนอื่นเข้าร่วมได้ทั้งแบบเชิญตรงและผ่านลิงก์ โดยมี 2 บทบาทหลัก:

บทบาท	สิทธิ์ที่ได้
Viewer	ดู thread และเนื้อหาใน Space ได้ แต่แก้ไข/เพิ่มไม่ได้
Collaborator / Contributor	เพิ่ม thread ใหม่และอัปโหลดไฟล์เข้า Space ได้

มีรายงานว่าจำนวน collaborator ต่อ Space จำกัดที่ประมาณ 10 คน แต่ตัวเลขนี้อาจต่างกันตามแผนและช่วงเวลา

⚠️ ก่อนแชร์ผ่านลิงก์สาธารณะ ตรวจสอบว่าไฟล์และ thread ใน Space ไม่มีข้อมูลลับหรือข้อมูลส่วนบุคคล เพราะทุกคนที่มีลิงก์จะเข้าถึงเนื้อหาได้ตามบทบาทที่ตั้งไว้

กรณีใช้งานจริง

1. ทีมวิจัยตลาด (collaborative) สร้าง Space ชื่อ "Q3 Market Research" อัปโหลดรายงานอุตสาหกรรม (PDF) และข้อมูลยอดขาย (Excel) ตั้ง instructions ให้เน้นวิเคราะห์เชิงตัวเลข เชิญทีม 3-4 คนเป็น collaborator ทุกคนถามคำถามใน Space เดียวกัน คำตอบดึงจากไฟล์ร่วม + เว็บ ทำให้ทั้งทีมทำงานบนฐานข้อมูลเดียวกัน

2. คลังความรู้ส่วนตัว (knowledge base) อัปโหลดคู่มือผลิตภัณฑ์ เอกสารสัญญา หรือ note การประชุมเข้า Space แล้วถามค้นในภายหลัง เช่น "เงื่อนไขการยกเลิกในสัญญาฉบับล่าสุดคืออะไร" — AI ค้นในไฟล์ของคุณก่อน แล้วตอบพร้อมชี้ตำแหน่งอ้างอิง

3. งานเขียนที่มีสไตล์เฉพาะ ตั้ง instructions กำหนดโทนและ persona (เช่น "เขียนแบบทางการ ภาษาไทยราชการ") อัปโหลดตัวอย่างงานเขียนเดิมเป็นไฟล์อ้างอิง ทุก thread ใหม่จะได้สไตล์เดียวกันทันที

4. เตรียม Deep Research ที่มีบริบท รวมไฟล์พื้นฐานทั้งหมดเข้า Space ก่อนสั่งโหมด Deep Research ภายในนั้น AI จะสังเคราะห์รายงานโดยดึงทั้งจากไฟล์ของคุณและเว็บ ทำให้รายงานตรงกับบริบทงานมากขึ้น (ดูรายละเอียดโหมด Deep Research ในบทที่เกี่ยวข้อง)

💡 เคล็ดลับจัดระเบียบ: สร้าง Space แยกตาม "โปรเจกต์" หรือ "ลูกค้า" ไม่ใช่ตาม "หัวข้อกว้าง ๆ" เพื่อให้ instructions และไฟล์อ้างอิงแม่นยำกับงานนั้นจริง ๆ และย้ายการค้นคว้าเก่าที่กระจัดกระจายเข้ามาจัดกลุ่มใน Space ที่เหมาะสม

สุดท้าย อย่าลืมหลักการเดิมของ Perplexity แม้คำตอบใน Space จะดึงจากไฟล์ของคุณเองก็ตาม — กดดูลิงก์และตำแหน่งอ้างอิงเพื่อตรวจสอบเสมอ โดยเฉพาะเมื่อคำตอบผสมข้อมูลจากไฟล์เข้ากับเนื้อหาจากเว็บ ซึ่งยังมีความเสี่ยงเรื่องการอ้างอิงคลาดเคลื่อนได้

บทที่ 6: Deep Research: รายงานเชิงลึกพร้อมอ้างอิง

หากบทก่อนหน้าคือการถาม-ตอบพร้อม citations แบบเรียลไทม์ Deep Research คือการยกระดับ Perplexity ให้กลายเป็น "ผู้ช่วยวิจัย" ที่ทำงานแบบ agentic คือ ค้นหลายรอบ อ่านหลายสิบถึงหลายร้อยแหล่ง แล้วสังเคราะห์ออกมาเป็นรายงานยาวที่มีโครงสร้างและอ้างอิงกำกับทุกข้อความ เหมาะกับงานที่ต้องรวบรวมข้อมูลจากหลายที่ เช่น market analysis, competitive intelligence, literature review, งานวิจัยเชิงนโยบาย และ due diligence

จุดต่างสำคัญจาก Pro Search คือ Deep Research ทำงานแบบ อัตโนมัติเต็มรูปแบบ: ระบบปรับปรุงคำค้นเอง (query refinement) ไล่อ่านแหล่งทีละแหล่ง แล้วเรียบเรียงเป็นรายงาน ใช้เวลาประมาณ 2-5 นาที ต่อหนึ่งครั้ง ซึ่งเร็วกว่า Deep Research ของ ChatGPT ที่มักใช้ราว 5-30 นาที

💡 กฎเหล็กของทั้งบทนี้: Deep Research ช่วยประหยัดเวลารวบรวมข้อมูล แต่ไม่ได้แทนที่การตรวจสอบ ทุกข้ออ้างที่คุณจะนำไปใช้ตัดสินใจจริง ต้องคลิกลิงก์ citation เปิดดูต้นทางด้วยตัวเองเสมอ

Deep Research ทำงานอย่างไร

โหมดนี้ใช้สถาปัตยกรรม RAG (Retrieval-Augmented Generation) แบบวนหลายรอบ ต่างจากการถามครั้งเดียวจบ ลำดับการทำงานภายในเป็นแบบนี้:

sequenceDiagram
    participant U as ผู้ใช้
    participant P as Perplexity (agent)
    participant W as แหล่งข้อมูลบนเว็บ
    U->>P: ส่ง prompt + เลือกโหมด Deep Research
    P->>P: แตกคำถามเป็นหัวข้อย่อย + วางแผนค้น
    loop ค้นหลายรอบ (2-5 นาที)
        P->>W: ยิง query ชุดใหม่
        W-->>P: ส่งเนื้อหาหน้าเว็บกลับ
        P->>P: อ่าน สังเคราะห์ ปรับ query รอบถัดไป
    end
    P->>U: รายงานมีโครงสร้าง + numbered citations
    U->>P: ถาม follow-up เพื่อเจาะลึก/ปรับรายงาน

ขั้นตอนการใช้งานทีละสเต็ป

กำหนดขอบเขตและคำถามให้ชัด ก่อนกดใช้ — Deep Research ทำงานดีที่สุดกับคำถามที่มีกรอบชัดเจน
เลือกโหมด Deep Research จาก mode selector (บางเวอร์ชันใช้ชื่อ "Research") ก่อนกดส่ง
เขียน prompt ให้เจาะจง ระบุมุมที่ต้องการ ช่วงเวลา ภูมิภาค และรูปแบบผลลัพธ์
รอระบบค้นและสังเคราะห์ ประมาณ 2-5 นาที
อ่านและตรวจสอบ citation จริง โดยเฉพาะตัวเลข ราคา และข้อมูลอ่อนไหว
ถาม follow-up เพื่อเจาะลึกส่วนใดส่วนหนึ่ง หรือให้ปรับโครงรายงาน

ตัวอย่าง prompt ที่ให้ผลดีสำหรับ Deep Research:

ทำรายงานเปรียบเทียบตลาด e-commerce ในเอเชียตะวันออกเฉียงใต้ ปี 2024-2026
โฟกัส: ไทย เวียดนาม อินโดนีเซีย
ต้องการ: ขนาดตลาด (มูลค่า USD), อัตราเติบโต CAGR, ผู้เล่นหลักและส่วนแบ่ง,
พฤติกรรมการชำระเงิน และแนวโน้มปี 2027
ให้แยกหัวข้อชัดเจน ใส่ตัวเลขพร้อมแหล่งอ้างอิงทุกจุด และสรุป key takeaways ท้ายรายงาน

💡 ยิ่ง prompt ระบุ "รูปแบบผลลัพธ์" ชัด (เช่น ให้แยกหัวข้อ ใส่ตาราง สรุป bullet ท้ายเรื่อง) รายงานที่ได้ยิ่งพร้อมใช้ ลด follow-up

การ export และต่อยอด

เมื่อได้รายงานแล้ว Perplexity รองรับการนำออกหลายรูปแบบ:

รูปแบบ export	เหมาะกับ	หมายเหตุ
PDF	ส่งต่อ/เก็บถาวร/แนบอีเมล	คงหน้าตารายงาน
DOCX (document)	แก้ไขต่อใน Word	ปรับถ้อยคำ/จัดรูปแบบต่อได้
Markdown	นำเข้า Notion/Obsidian/repo	คง citation แบบข้อความ
คัดลอกข้อความ	วางลงเครื่องมืออื่นเร็ว ๆ	copy ตรงจาก thread
แปลงเป็น Perplexity Page	เผยแพร่/แชร์เป็นบทความยาว	ต่อยอดจากผลค้นคว้าได้

⚠️ ปัจจุบัน export เป็นแบบ ทีละ thread ยังไม่มี bulk export ในตัว หากทำหลายรายงานควรวางแผนบันทึกทีละชิ้น หรือรวบรวมไว้ใน Space เดียวกัน

Perplexity Pages เป็นฟีเจอร์แยกสำหรับเรียบเรียงผลค้นคว้าเป็นบทความ/รายงานยาวแบบมีโครงสร้างและเผยแพร่ได้ ผู้ใช้ Pro ได้สิทธิ์ Pages เต็มรูปแบบ เหมาะเมื่อต้องการเปลี่ยนรายงานภายในให้กลายเป็นเนื้อหาสำหรับแชร์

ข้อจำกัดและโควตา

โควตาต่อแผน: ผู้ใช้ Free เข้าถึง Deep Research ได้แบบจำกัดต่อวัน (แหล่งอิสระประมาณ ~5 ครั้ง/วัน แต่ตัวเลขเปลี่ยนบ่อยและ Perplexity ไม่ยืนยันเป็นตัวเลขตายตัว) ส่วน Pro ($20/เดือน) ให้โควตาสูงมาก และ Max ($200/เดือน) ให้ limit ระดับสูงสุดพร้อม Labs
เลือกโมเดลเองไม่ได้: ในโหมดนี้ระบบเลือกโมเดลให้อัตโนมัติ ต่างจาก Pro Search ที่ผู้ใช้ Pro เลือก frontier model ได้เอง โมเดลเบื้องหลังยังเปลี่ยนตามเวลา (แหล่งอิสระกลางปี 2026 ระบุว่าใช้โมเดลระดับสูงเป็นเครื่องยนต์หลัก เช่น Claude Opus 4.x สำหรับ Max/Pro) Perplexity อาจไม่ประกาศ mapping ตายตัว
โครงสร้างแผนอาจเปลี่ยน: มีรายงานว่า Perplexity ปรับ SKU ของแผนช่วงกลางปี 2026 ควรตรวจสอบหน้าราคาและ limit ล่าสุดในแอป

การตรวจสอบแหล่งที่มา — ส่วนที่ห้ามข้าม

แม้ Deep Research จะแนบ numbered citations ครบ แต่ การมี citation ไม่เท่ากับ citation ถูกต้อง งานวิจัยอิสระของ Tow Center for Digital Journalism (มีนาคม 2025) พบว่าเครื่องมือ AI search โดยรวมให้การอ้างอิงผิด/แต่งขึ้นกว่า 60% ของครั้ง โดย Perplexity ทำได้ "ดีที่สุด" ในกลุ่มด้วยอัตราผิดราว 37% (และ Perplexity Pro ~45-46%)

ความผิดพลาดที่อันตรายที่สุดคือ misattribution — URL เป็นของจริงเปิดได้ แต่เนื้อหาในหน้านั้นไม่มีข้อความตามที่ Perplexity อ้าง ผู้ใช้จึงต้องเปิดลิงก์ตรวจสอบเองเสมอ

⚠️ ตัวเลขแบบ "94% citation accuracy" หรือ "hallucination 3-5%" ที่บางแหล่งอ้างว่าเป็นของ Perplexity ขัดกับผลทดสอบอิสระที่ถูกอ้างถึงบ่อยที่สุด (Tow Center) ซึ่งพบอัตราผิดพลาดสูงถึง 37%+ อย่างไรก็ตามการทดสอบอิสระไม่ได้เห็นตรงกันทั้งหมด (บางชิ้นรายงาน citation accuracy สูงถึง ~98%) จึงควรระวังตัวเลขฝั่งบริษัทเป็นพิเศษ และไม่ยึดตัวเลขเดี่ย ๆ จากแหล่งใดแหล่งหนึ่ง แต่ยืนยันด้วยการเปิดลิงก์ตรวจสอบเอง

checklist ก่อนนำรายงานไปใช้จริง:

คลิกทุก citation ที่รองรับตัวเลข/ข้อเท็จจริงสำคัญ และยืนยันว่าหน้านั้นพูดตรงกับที่รายงานสรุปจริง
เช็กวันที่และความสดของแหล่ง โดยเฉพาะข่าวหรือราคาที่เปลี่ยนเร็ว
ระวังคำถามเฉพาะทาง/ข่าวสด/ภาษาที่ไม่ใช่อังกฤษ ซึ่งมีโอกาส hallucinate สูงขึ้น และคุณภาพขึ้นกับหน้าเว็บที่ดึงมา (อาจได้เนื้อหา SEO คุณภาพต่ำ)
cross-check ข้ออ้างชี้ขาด กับแหล่งปฐมภูมิ (เอกสารทางการ รายงานบริษัท ตัวเลขจากหน่วยงาน) อย่างน้อย 1 แหล่งนอก Perplexity
อย่าลืมว่า Pro tier ไม่ได้แปลว่าอ้างอิงแม่นยำกว่าเสมอไป

สรุป: มอง Deep Research เป็น "ผู้ช่วยที่ร่างรายงานฉบับแรกให้เร็วมาก" คุณยังคงเป็นบรรณาธิการและผู้ตรวจสอบขั้นสุดท้าย เวิร์กโฟลว์ที่ปลอดภัยคือ ใช้ Deep Research รวบรวมและเรียบเรียง แล้วใช้เวลาที่ประหยัดได้ไปกับการเปิดลิงก์ตรวจสอบข้ออ้างสำคัญด้วยตัวเอง

บทที่ 7: การอัปโหลดไฟล์ วิเคราะห์เอกสาร และการเลือกแหล่งข้อมูล (Focus)

จุดแข็งของ Perplexity ไม่ได้อยู่แค่การค้นเว็บ แต่ยังรวมถึงการ "คุยกับเอกสารของคุณเอง" — อัปโหลด PDF, Word, Excel หรือสไลด์ แล้วให้ AI สรุป สกัดข้อมูล หรือตอบคำถามโดยอ้างอิงเนื้อหาภายในไฟล์ ผสานกับข้อมูลจากเว็บได้ในคราวเดียว บทนี้จะลงลึกทั้งเรื่องการอัปโหลดไฟล์ ข้อจำกัด การเลือกแหล่งข้อมูลด้วย Focus/Choose sources และเทคนิคถาม-ตอบกับเอกสารยาว

7.1 การอัปโหลดไฟล์: รูปแบบและข้อจำกัด

บนหน้าถาม (search bar) จะมีปุ่มรูป คลิปหนีบกระดาษ (attach) ให้เลือกไฟล์จากเครื่อง จากนั้นพิมพ์คำถามเกี่ยวกับไฟล์นั้นได้ทันที Perplexity จะอ่านและแยกโครงสร้างเอกสาร (หัวข้อ ตาราง รายการ โค้ด ลิงก์) แล้วตอบโดยอ้างอิงเนื้อหาจากไฟล์

⚠️ Perplexity อาจระบุแหล่งอ้างอิงในระดับไฟล์ให้ แต่ การชี้ตำแหน่งภายในไฟล์ (เช่น เลขหน้า/ย่อหน้าที่แน่นอน) ไม่แม่นยำเสมอไป โดยเฉพาะในไฟล์ยาวหรือมีตารางซับซ้อน (ดูเรื่อง misattribution เพิ่มเติมในหัวข้อ 7.4) หากต้องอ้างตำแหน่งเป๊ะ ให้เปิดไฟล์ต้นฉบับตรวจสอบเอง

รูปแบบไฟล์ที่รองรับ (ณ กลางปี 2026 — อาจต่างกันตามแผน/เวอร์ชัน):

ประเภท	นามสกุลที่รองรับ	หมายเหตุ
เอกสาร	PDF, DOC/DOCX, TXT, RTF	ใช้งานได้ทุกแพ็กเกจที่เปิดอัปโหลด
ตาราง	CSV, XLSX	เหมาะกับสกัด/สรุปตัวเลข
งานนำเสนอ	PPTX	อ่านข้อความในสไลด์
รูปภาพ	JPEG, PNG, HEIF, PDF	วิเคราะห์ภาพ/ป้าย/ชาร์ต
เสียง/วิดีโอ	MP3, WAV, FLAC / MP4, MOV, AVI, WebM	ความสามารถแปรผันตามแผนและช่วงเวลา

ข้อจำกัดขนาดและจำนวน (consumer):

ขนาดต่อไฟล์ประมาณ 40 MB และอัปโหลดได้สูงสุดราว 10 ไฟล์ต่อครั้ง
ระดับ Enterprise มีเพดานสูงกว่า (เช่น ~50 MB/ไฟล์) และมีคลังไฟล์รวมระดับพันถึงหมื่นไฟล์ผ่าน Internal Knowledge
ภายใน Spaces ขนาดไฟล์จำกัดที่ประมาณ 25 MB/ไฟล์ และ Pro อัปโหลดได้ราว 50 ไฟล์ต่อ Space

⚠️ ตัวเลขขนาด/จำนวนไฟล์ Perplexity ปรับเปลี่ยนบ่อยและต่างกันระหว่างช่องอัปโหลดชั่วคราวกับ Spaces ควรตรวจสอบใน UI จริงหรือ Help Center อีกครั้งก่อนวางแผนงานที่พึ่งพาโควตา

💡 การอัปโหลดไฟล์แบบชั่วคราวบนหน้าถามเหมาะกับงานครั้งเดียว แต่ถ้าเป็นเอกสารชุดที่ต้องกลับมาถามซ้ำ ให้เก็บไว้ใน Space จะดีกว่า เพราะไฟล์อยู่ถาวรและใช้เป็นแหล่งข้อมูลข้าม thread ได้

7.2 อัปโหลดชั่วคราว vs. เก็บใน Spaces

มีสองวิธีหลักในการให้ Perplexity ใช้ไฟล์ของคุณ:

แนบบนหน้าถาม (ชั่วคราว): เร็ว เหมาะกับ "สรุป PDF ฉบับนี้" หรือ "หาตัวเลขในไฟล์นี้" แบบครั้งเดียว
เก็บใน Spaces (ถาวร): Space คือพื้นที่ทำงาน/โฟลเดอร์โปรเจกต์ที่รวบรวมไฟล์หลายไฟล์ ตั้ง custom instructions ให้ใช้กับทุก thread ใหม่ เลือกโมเดล และค้นในไฟล์ตัวเองก่อนแล้วเสริมด้วยเว็บ

⚠️ การอัปโหลดไฟล์เข้า Spaces ต้องใช้แพ็กเกจ Pro, Max หรือ Enterprise — ผู้ใช้ฟรีสร้าง Space ได้แต่อัปโหลดไฟล์ไม่ได้ (ดูรายละเอียด Spaces ในบทที่ว่าด้วยการจัดระเบียบการค้นคว้า)

7.3 Focus / การเลือกแหล่งข้อมูล

Focus คือฟีเจอร์จำกัดขอบเขตการค้นให้ตรงประเภทของคำถาม ในอดีตหมวด Focus ประกอบด้วย:

Web — ค้นทั่วอินเทอร์เน็ต (ค่าเริ่มต้น)
Academic — เน้นงานวิชาการ/บทความ peer-reviewed
Social — Reddit ฟอรัม และโซเชียล เหมาะหาความเห็น/ประสบการณ์จริง
Video — YouTube และวิดีโอ
Writing — งานเขียน/สร้างสรรค์ (ไม่ค้นเว็บ)
Math — คำนวณ

⚠️ ราวเดือนกุมภาพันธ์ 2025 Perplexity ได้ลด/ปรับตัวเลือก Focus บนเวอร์ชันเว็บ ทำให้บางช่วงเหลือหลัก ๆ เพียง All กับ Academic ขณะที่แอปมือถือยังคงหมวดเดิมไว้มากกว่า UI ส่วนนี้เปลี่ยนบ่อย ชื่อและจำนวนตัวเลือก ณ ปี 2026 อาจต่างจากที่ระบุ — ให้ยึดสิ่งที่เห็นในแอปจริง

สำหรับผู้ใช้ Enterprise คำว่า Focus ถูกแทนที่ด้วย Choose sources ซึ่งทำงานร่วมกับ Internal Knowledge Search โดยเลือกได้ระหว่าง Web / Org Files / Web + Org Files / None

flowchart TD
    A[ตั้งคำถาม] --> B{ต้องการแหล่งแบบไหน?}
    B -->|งานอ้างอิงเชิงลึก| C[Academic]
    B -->|ความเห็น/ประสบการณ์จริง| D[Social]
    B -->|เนื้อหาวิดีโอ| E[Video]
    B -->|ข้อมูลในเอกสารของฉัน| F[อัปโหลดไฟล์ / Space]
    B -->|ทั่วไป| G[Web / All]
    C --> H[คำตอบพร้อม citations]
    D --> H
    E --> H
    F --> H
    G --> H
    H --> I[คลิกลิงก์ตรวจสอบทุกครั้ง]

💡 เลือก Focus ให้ตรงงาน = คุณภาพคำตอบดีขึ้นชัด เช่น ถามเรื่องการแพทย์/วิจัยให้ใช้ Academic เพื่อลดการปนของเนื้อหา SEO คุณภาพต่ำ ส่วนถามว่า "ของจริงใช้ดีไหม" ให้ใช้ Social เพื่อดึงประสบการณ์จากผู้ใช้จริง

7.4 เทคนิคถาม-ตอบกับเอกสารยาว

เมื่อทำงานกับ PDF/รายงานหลายสิบหน้า ให้ใช้แนวทางนี้:

ถามเจาะจง อ้างตำแหน่ง: แทน "สรุปให้หน่อย" ให้ระบุขอบเขต เช่น "สรุปเฉพาะบทที่ 3 เรื่องผลประกอบการ เป็น bullet 5 ข้อ"
สั่งให้ยึดเฉพาะไฟล์: เพื่อลดการที่โมเดลไปดึงข้อมูลเว็บมาปน

ตอบโดยอ้างอิงเฉพาะเนื้อหาในไฟล์ที่แนบเท่านั้น
ถ้าข้อมูลไม่มีในไฟล์ ให้บอกว่า "ไม่พบในเอกสาร"
อย่าเดาหรือเติมข้อมูลจากภายนอก

สกัดเป็นตาราง: "ดึงตัวเลขรายได้รายไตรมาสจากไฟล์นี้ ทำเป็นตาราง ปี/ไตรมาส/รายได้"
ถามต่อเป็นชั้น (follow-up): เริ่มกว้างแล้วเจาะลึกทีละส่วน แทนการยัดคำถามซับซ้อนครั้งเดียว
เทียบข้ามไฟล์: อัปโหลดหลายไฟล์แล้วสั่ง "เทียบข้อเสนอในไฟล์ A กับ B แล้วชี้จุดต่างด้านราคาและเงื่อนไข"

⚠️ Perplexity อาจ misattribution — สรุปเนื้อหาที่ไม่ตรงกับเอกสารจริงได้ โดยเฉพาะไฟล์ยาว ตาราง หรือภาษาไทย ตัวเลข/ข้อสรุปสำคัญต้องเปิดหน้าต้นทางในไฟล์ตรวจสอบเองเสมอ อย่าเชื่อคำสรุปโดยไม่ยืนยัน

💡 ข้อจำกัดที่ควรทราบ: Internal Knowledge และ Spaces ไม่ทำดัชนีรูปภาพ ดังนั้นชาร์ต/ภาพในเอกสารที่เป็นรูปอาจไม่ถูกค้นเจอ หากต้องวิเคราะห์ภาพเฉพาะจุด ให้แนบไฟล์ภาพนั้นตรง ๆ บนหน้าถามแทน

สรุปหัวใจของบทนี้: ใช้ Focus/Choose sources เพื่อเลือกแหล่งให้ตรงงาน ใช้ อัปโหลดไฟล์ เมื่อคำตอบต้องมาจากเอกสารของคุณเอง เก็บชุดเอกสารที่ใช้ซ้ำไว้ใน Spaces และไม่ว่าจะโหมดใด — คลิกดูอ้างอิงและตรวจสอบกับต้นฉบับทุกครั้งก่อนนำไปใช้ตัดสินใจ

บทที่ 8: เครื่องมือและช่องทางเสริม: Comet ส่วนขยาย และมือถือ

Perplexity ไม่ได้จำกัดอยู่แค่หน้าเว็บ perplexity.ai อีกต่อไป ณ ปี 2026 มันขยายเป็น "ระบบนิเวศ" ที่ครอบคลุมเบราว์เซอร์ AI-native ของตัวเอง (Comet), แอปมือถือพร้อมผู้ช่วยด้วยเสียง และการเข้าถึงผ่านหลายอุปกรณ์ บทนี้จะพาไปดูช่องทางเสริมเหล่านี้ พร้อมวิธีใช้ประจำวันและข้อควรระวังที่ต้องรู้ก่อนพึ่งพามันในงานจริง

ภาพรวมช่องทางการใช้งาน

flowchart LR
    U["ผู้ใช้"] --> W["เว็บ<br/>perplexity.ai"]
    U --> M["แอปมือถือ<br/>iOS / Android"]
    U --> C["Comet Browser<br/>Chromium + AI ในทุกแท็บ"]
    U --> A["Sonar API<br/>สำหรับนักพัฒนา"]
    W --> CORE["Perplexity Answer Engine<br/>Search / Pro Search / Deep Research"]
    M --> CORE
    C --> CORE
    A --> CORE
    CORE --> CITE["คำตอบ + inline citations<br/>ที่ต้องคลิกตรวจสอบเสมอ"]

Comet: เบราว์เซอร์ AI-native ของ Perplexity

Comet คือเว็บเบราว์เซอร์ที่สร้างบนฐาน Chromium (ตระกูลเดียวกับ Chrome) แต่ฝัง AI assistant ไว้ในทุกแท็บ ทำให้มันไม่ใช่แค่ที่เปิดเว็บ แต่เป็น agent ที่ทำงานร่วมกับสิ่งที่คุณกำลังดูอยู่

จุดเด่นหลักของ Comet:

สรุปหน้าเว็บทันที — เปิดบทความยาว รายงาน หรือเอกสาร แล้วให้ Comet สรุปประเด็นสำคัญได้ในคลิกเดียว
ถาม-ตอบข้ามแท็บ (cross-tab) — ถามคำถามที่อ้างอิงเนื้อหาจากหลายแท็บที่เปิดพร้อมกัน เช่น เปรียบเทียบข้อมูลสินค้าจาก 3 หน้าที่เปิดอยู่
งานหลายขั้นตอนแบบ agentic — สั่งงานที่ต้องคลิก/กรอก/นำทางหลายขั้นแทนคุณได้
ฟีเจอร์เสริม เช่น ad blocking ในตัว, voice chat, และ Finance Hub (market heatmaps, analyst ratings, ลิงก์ SEC filings) สำหรับผู้ที่ติดตามตลาด

ไทม์ไลน์สำคัญที่ควรรู้:

9 ก.ค. 2025 — Comet เปิดตัวครั้งแรกบน Windows และ macOS โดยตอนแรกจำกัดเฉพาะผู้ใช้ระดับ Max (ราว $200/เดือน)
ปลายปี 2025 — ออกเวอร์ชัน Android
18 มี.ค. 2026 — Perplexity ยกเลิก paywall เปิด Comet ให้ใช้ฟรีทั่วโลก พร้อมขยายไป iOS, Android, Windows และ Mac ครบทุกแพลตฟอร์ม

💡 ถ้าอยากลอง agentic browsing โดยไม่ต้องจ่ายเงิน หลังมีนาคม 2026 Comet เปิดให้ดาวน์โหลดฟรีแล้ว เหมาะกับการทดสอบก่อนตัดสินใจอัปเกรดเป็น Pro/Max

⚠️ แยกให้ชัดระหว่างสองฟีเจอร์ที่มักถูกเข้าใจสับสน: Comet รองรับ การเลือกโมเดล (model picker) ให้ผู้ใช้เลือกโมเดลที่จะใช้ตอบได้ — ส่วน Model Council เป็นคนละฟีเจอร์ คือฟีเจอร์เฉพาะแผน Max (เปิดตัวราว 5 ก.พ. 2026) ที่รันคำถามเดียวกันพร้อมกันข้ามหลายโมเดล frontier แล้ว สังเคราะห์เปรียบเทียบ จุดที่โมเดลเห็นตรงกันและต่างกัน ไม่ใช่แค่ "เลือกได้หลายโมเดล" นอกจากนี้ ชื่อรุ่นเฉพาะ ที่แหล่งบุคคลที่สามอ้าง (เช่น Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro) ยังไม่ได้รับการยืนยันจากแหล่งทางการ — ให้ตรวจสอบใน model picker จริงในแอปก่อน

ส่วนขยายเบราว์เซอร์ (Extension) สำหรับสรุปหน้าเว็บ

หากคุณไม่อยากเปลี่ยนมาใช้ Comet เต็มตัว Perplexity ยังใช้งานผ่านเบราว์เซอร์เดิม (Chrome, Edge ฯลฯ) ได้ผ่านส่วนขยาย ซึ่งเน้นเวิร์กโฟลว์เดียวกันในรูปแบบเบา:

สรุปหน้าที่กำลังเปิดอยู่ โดยไม่ต้องคัดลอกไปวางในหน้าต่างแยก
ถามต่อ (follow-up) เกี่ยวกับเนื้อหาในหน้านั้น
ใช้เป็น shortcut ยิงคำถามเข้า Perplexity โดยตรงจาก address bar หรือปุ่มบนแถบเครื่องมือ

การใช้ประจำวันที่เข้าท่า: อ่านข่าว/งานวิจัยยาว → สรุปด้วย extension → ถ้าประเด็นไหนน่าสนใจ ค่อยเปิด Pro Search หรือ Deep Research บนเว็บเพื่อเจาะลึกต่อ

⚠️ ทั้ง Comet และส่วนขยายจะ "อ่าน" เนื้อหาหน้าที่คุณเปิดอยู่ อย่าใช้สรุปหน้าที่มีข้อมูลลับ (เช่น พอร์ทัลภายในบริษัท, ข้อมูลลูกค้า, ระบบธนาคาร) เว้นแต่ยอมรับได้ว่าเนื้อหานั้นอาจถูกส่งไปประมวลผล และตรวจสอบการตั้งค่าความเป็นส่วนตัวก่อน

แอปมือถือและผู้ช่วยด้วยเสียง (Assistant)

Perplexity มีแอปทั้ง iOS และ Android พร้อมความสามารถ Assistant / Voice Assistant ที่ทำงานข้ามแอปอื่นบนเครื่องได้ ไม่ใช่แค่ตอบคำถาม แต่ทำงานจริง เช่น:

จองร้านอาหาร เรียกรถ ตั้งรายการปฏิทิน เล่นเพลง
ร่างและส่งอีเมล (ผ่านการเชื่อมต่อบนเครื่อง)
ค้นหาพร้อมอ้างอิงเหมือนบนเว็บ แต่สั่งด้วยเสียงได้

ไทม์ไลน์: Android Assistant เพิ่มความสามารถเสียงเต็มรูปแบบช่วงต้นปี 2025 (มีคำปลุก "Hey Perplexity") และ iOS Voice Assistant เปิดตัวช่วงเมษายน 2025

การใช้ประจำวันบนมือถือ:

ถามเร็ว ๆ ระหว่างเดินทางแทนการพิมพ์ค้น Google
ใช้กล้อง/ภาพถ่ายประกอบคำถาม (multimodal) เช่นถ่ายป้าย เมนู หรือฉลากแล้วถาม
หมายเหตุ: บนมือถือมักยังคงหมวด Focus (Web, Academic, Social, Video ฯลฯ) ไว้มากกว่าเวอร์ชันเว็บ ซึ่งถูกลด/ปรับตัวเลือกลงไปตั้งแต่ราวกุมภาพันธ์ 2025

ตารางเปรียบเทียบช่องทาง

ช่องทาง	จุดเด่น	เหมาะกับ	ข้อควรระวัง
เว็บ perplexity.ai	ครบทุกฟีเจอร์: Deep Research, Spaces, Pages, model picker	งาน research จริงจัง เอกสารยาว	Focus บนเว็บถูกลดตัวเลือกลง
Comet browser	AI ในทุกแท็บ, cross-tab, agentic, ad block, ฟรีตั้งแต่ มี.ค. 2026	ทำงานบนเว็บทั้งวัน, เปรียบเทียบข้ามแท็บ	อ่านเนื้อหาทุกหน้า — ระวังข้อมูลลับ
Extension	สรุปหน้าปัจจุบันเร็ว ไม่ต้องเปลี่ยนเบราว์เซอร์	อ่านข่าว/บทความ, สรุปไว	เข้าถึงเนื้อหาหน้าที่เปิดอยู่
แอปมือถือ	Voice Assistant ข้ามแอป, multimodal, ถามเร็ว	ใช้งานนอกสถานที่, สั่งงานด้วยเสียง	ฟีเจอร์อาจต่างจากเว็บตามเวอร์ชัน

เวิร์กโฟลว์ประจำวันที่แนะนำ

เช้า:      ใช้แอปมือถือ (เสียง) สรุปข่าว/สภาพตลาดระหว่างเดินทาง
ทำงาน:     ใช้ Comet เปิดหลายแท็บ → ถามข้ามแท็บ → สรุปเอกสารยาว
เจาะลึก:   ประเด็นสำคัญ → เปิดเว็บ → Deep Research → export/Pages
อ่านผ่าน:  ใช้ extension สรุปบทความก่อนตัดสินใจว่าจะอ่านเต็มหรือไม่

ข้อควรระวังรวมสำหรับทุกช่องทาง

⚠️ ตรวจสอบ citation เสมอ ไม่ว่าจะใช้ช่องทางไหน งานวิจัยอิสระ (Tow Center, มี.ค. 2025) พบว่า Perplexity แม้ทำได้ "ดีที่สุด" ในกลุ่ม แต่ยังมีอัตราการอ้างอิงผิดราว 37% และ Pro ราว 45-46% ปัญหาที่อันตรายสุดคือ misattribution — ลิงก์เปิดได้จริงแต่เนื้อหาในหน้านั้นไม่ตรงกับที่อ้าง ดังนั้นบนมือถือหรือ Comet ที่คลิกดูแหล่งอาจไม่สะดวก ก็ยังต้องคลิกตรวจก่อนนำไปใช้ตัดสินใจ

⚠️ ความเป็นส่วนตัว สำหรับบัญชี consumer (ฟรี/Pro) ผ่านเว็บและแอป การนำข้อมูลค้นหาไปปรับปรุง AI เป็นแบบ opt-out (เปิดโดยดีฟอลต์) ต้องเข้าไปปิด "AI Data Retention" ในการตั้งค่าเอง ต่างจากฝั่ง Sonar API/Enterprise ที่มีนโยบาย Zero Data Retention นอกจากนี้มีรายงาน/ข้อกล่าวหาช่วงปี 2025-2026 เรื่อง tracker ที่แชร์ข้อมูลกับบุคคลที่สามแม้ในโหมด incognito ซึ่งยังไม่มีข้อสรุปทางกฎหมาย — ควรถือเป็นข้อมูลระวัง

💡 ชื่อรุ่น ฟีเจอร์ และโครงสร้างแผนของ Perplexity เปลี่ยนบ่อยมาก (มีรายงานปรับ SKU ราวต้น ก.ค. 2026) รวมถึงยังดึงข้อมูลจาก Help Center ทางการโดยตรงได้ยาก ดังนั้นก่อนอ้างอิงเชิงทางการ ให้ยืนยันซ้ำที่ perplexity.ai/help-center, docs.perplexity.ai และหน้า perplexity.ai/hub/blog เสมอ

สรุปคือ ในปี 2026 คุณเลือกช่องทางได้ตามบริบท: เว็บ สำหรับงานลึก, Comet/extension สำหรับการทำงานบนเว็บทั้งวัน และ แอปมือถือ สำหรับความเร็วและเสียง แต่หลักการเดียวที่ไม่เปลี่ยนไม่ว่าจะช่องทางไหนคือ — อย่าเชื่อคำตอบโดยไม่กดดูแหล่งอ้างอิงด้วยตัวเอง

บทที่ 9: Perplexity บนมือถือและการใช้ประจำวัน

Perplexity บนมือถือไม่ใช่แค่เว็บย่อส่วน แต่เป็น "answer engine ติดกระเป๋า" ที่ออกแบบมาให้ถามเร็ว ตอบพร้อม citation และเชื่อมกับความสามารถระดับระบบปฏิบัติการ เช่น เสียง กล้อง และ Assistant ที่ทำงานข้ามแอปได้ บทนี้เน้นการใช้งานจริงระหว่างเดินทางและในชีวิตประจำวัน โดยยึดหลักการเดิมของทั้งเล่ม: ตอบได้เร็วแค่ไหนก็ต้องกดดูลิงก์อ้างอิงเสมอ เพราะงานวิจัยอิสระ (Tow Center, มี.ค. 2025) พบว่า Perplexity ยังมีอัตราการอ้างอิงผิดราว 37% และแบบ misattribution (ลิงก์จริงแต่เนื้อหาไม่ตรง) เป็นความผิดพลาดที่อันตราย/น่ากังวลที่สุด เพราะดูน่าเชื่อถือจนผู้ใช้มักไม่กดตรวจสอบ

ภาพรวมช่องทางบนมือถือ

แอป Perplexity มีทั้ง iOS และ Android และ ณ ปี 2026 ยังมีเบราว์เซอร์ Comet ที่ออกเวอร์ชันมือถือแล้ว (Android ปลายปี 2025, iOS มีนาคม 2026) โดยมีรายงานว่าถอด paywall เปิดใช้ฟรีทั่วโลกราว 18 มี.ค. 2026 ทำให้คุณเลือกได้ว่าจะใช้แอปหลักเพื่อถาม-ตอบ หรือใช้ Comet เมื่อต้องท่องเว็บพร้อมผู้ช่วย AS ในทุกแท็บ

ช่องทาง	เหมาะกับ	จุดเด่นบนมือถือ
แอป Perplexity	ถาม-ตอบเร็ว, Voice Assistant, ถ่ายรูปถาม	Assistant ทำงานข้ามแอป (ปฏิทิน/อีเมล/เพลง)
Comet (มือถือ)	ท่องเว็บ + สรุปหน้า + ถามข้ามแท็บ	ad blocking, voice chat, สรุปข้ามแท็บ
เว็บบนเบราว์เซอร์มือถือ	ใช้ชั่วคราวไม่อยากลงแอป	ครบฟีเจอร์หลัก แต่ Focus อาจน้อยกว่าแอป

💡 บนเว็บ Perplexity เคยลดตัวเลือก Focus ลง (ราว ก.พ. 2025) ขณะที่ แอปมือถือมักคงหมวด Focus ไว้มากกว่า ถ้าต้องจำกัดแหล่งเป็น Academic หรือ Social การใช้ผ่านแอปจึงมักสะดวกกว่า

ถามด้วยเสียง (Voice) และ Assistant

แอปมือถือมี Voice Assistant ที่พูดถามได้เหมือนคุยกับผู้ช่วย โดย Android เพิ่มความสามารถเสียงเต็มรูปแบบช่วงต้นปี 2025 (มีคำปลุก "Hey Perplexity") และ iOS Voice Assistant เปิดตัวราวเมษายน 2025 จุดที่ต่างจากผู้ช่วยเสียงทั่วไปคือ Assistant ของ Perplexity ทำงานข้ามแอปได้ เช่น จองร้านอาหาร เรียกรถ ตั้งรายการปฏิทิน เล่นเพลง หรือร่างและส่งอีเมล

⚠️ งานที่มีผลถาวร เช่น "ส่งอีเมล" หรือ "จองจริง" ควรให้ระบบแสดงร่าง/รายละเอียดให้ยืนยันก่อนทุกครั้ง อย่าสั่งด้วยเสียงแล้วปล่อยให้ดำเนินการเองโดยไม่ตรวจ

การใช้เสียงเหมาะกับสถานการณ์มือไม่ว่าง เช่น ขับรถหรือเดิน แนะนำให้ถามเป็นประโยคสั้นและเจาะจง:

"สรุปข่าวเศรษฐกิจไทยวันนี้ 3 หัวข้อสำคัญ พร้อมแหล่งอ้างอิง"
"ร้านกาแฟใกล้ฉันตอนนี้ที่เปิดอยู่ เรียงตามระยะทาง"

ถามด้วยรูปภาพและไฟล์

แอปรองรับการ ถ่ายรูปหรือแนบภาพเพื่อถาม (รองรับ JPEG, PNG, HEIF, PDF) เหมาะกับงานประจำวัน เช่น ถ่ายป้ายเมนูภาษาต่างประเทศให้แปลและอธิบาย ถ่ายฉลากสินค้าถามส่วนผสม หรือถ่ายเอกสาร/สลิปให้สรุป นอกจากภาพ ยังอัปโหลดไฟล์เอกสารได้ (PDF, DOCX, TXT, CSV, XLSX, PPTX) โดยผู้ใช้ทั่วไปมีเพดานราว 40 MB ต่อไฟล์และสูงสุดราว 10 ไฟล์ต่อครั้ง (ตัวเลขอาจต่างกันตามแผน/เวอร์ชัน)

💡 บนมือถือ การถ่ายรูป PDF สัญญาหรือใบเสร็จแล้วถามว่า "สรุปประเด็นสำคัญและตัวเลขที่ต้องระวัง" เป็นเวิร์กโฟลว์ที่เร็วมาก แต่ให้ตรวจตัวเลขสำคัญกับเอกสารต้นฉบับเองเสมอ

สรุปข่าวและติดตามหัวข้อ

Perplexity เหมาะกับการสรุปข่าวเพราะค้นเว็บสดทุกครั้งและแนบ citation ทำให้เห็นว่าข้อมูลมาจากไหน สำหรับการติดตามหัวข้อประจำ ให้ใช้ Spaces (เดิมชื่อ Collections) สร้างพื้นที่แยกตามหัวข้อ เช่น "ข่าว AI" หรือ "ตลาดหุ้นไทย" แล้วตั้ง custom instructions ให้ทุก thread ใหม่ใน Space นั้นตอบในรูปแบบที่ต้องการอัตโนมัติ

Custom instructions ตัวอย่างสำหรับ Space "สรุปข่าวเช้า":
- ตอบเป็นภาษาไทย กระชับ เป็น bullet ไม่เกิน 5 ข้อ
- ระบุวันที่ของข่าวและแหล่งที่มาทุกข้อ
- เน้นเฉพาะเหตุการณ์ภายใน 24 ชั่วโมงล่าสุด

นอกจากนี้แพลตฟอร์มยังมี scheduled searches (ค้นหาตามเวลาที่ตั้งไว้) ซึ่งใช้ตั้งสรุปข่าวประจำวันแบบอัตโนมัติได้ — แนะนำให้ตรวจสอบว่าแผนและเวอร์ชันแอปของคุณเปิดฟีเจอร์นี้อยู่

เลือกโหมดให้เหมาะกับความเร่งด่วน

หัวใจของการใช้บนมือถือคือ เลือกโหมดให้ตรงกับเวลาที่มี อย่าใช้ Deep Research (ใช้เวลา 2-5 นาที) กับคำถามที่ต้องการคำตอบใน 5 วินาที

flowchart TD
    A[ต้องการคำตอบ] --> B{มีเวลาแค่ไหน?}
    B -->|ต้องการทันที| C[Search / Auto<br/>lookup เร็ว]
    B -->|ยอมรอ 10-30 วินาที| D[Pro Search<br/>ค้นหลายขั้น เลือก model ได้ Pro]
    B -->|ยอมรอ 2-5 นาที| E[Deep Research<br/>รายงานยาวพร้อม citation]
    C --> F[กดดูลิงก์อ้างอิงก่อนเชื่อ]
    D --> F
    E --> F

โหมด	เวลาโดยประมาณ	ใช้ตอนไหนบนมือถือ
Search / Auto	ทันที	ถามเร็วระหว่างเดิน หาข้อมูลตรง ๆ
Pro Search	~10-30 วินาที	คำถามที่ต้องเทียบหลายแหล่ง
Deep Research	~2-5 นาที	ตั้งไว้แล้วเก็บงานอื่น กลับมาอ่านรายงาน

💡 กลยุทธ์ที่ได้ผลบนมือถือ: สั่ง Deep Research ทิ้งไว้ ตอนต้นการเดินทาง (เช่น ก่อนขึ้นรถไฟฟ้า) แล้วกลับมาอ่านรายงานพร้อม citation เมื่อถึงที่หมาย เพราะระบบทำงานแบบ agent อัตโนมัติในเบื้องหลัง

เวิร์กโฟลว์ประจำวันที่ใช้ได้จริง

เช็กข้อเท็จจริงเร็ว: ถามด้วย Search/Auto แล้วกดดู citation อย่างน้อย 1-2 ลิงก์ก่อนนำไปพูดต่อหรือส่งต่อ
ระหว่างประชุม: ถามสั้น ๆ เพื่อหาตัวเลข/นิยาม แล้วคัดลอกคำตอบพร้อมลิงก์
ช้อปปิ้ง/ตัดสินใจ: ถ่ายรูปสินค้าถามรีวิว/ทางเลือก แต่หลีกเลี่ยงคำถามเชิง "ควรซื้อการเงิน/ลงทุนแบบไหน" เพราะเป็นคำแนะนำที่ต้องระวังเป็นพิเศษ
แปลและอธิบายบริบท: ถ่ายป้าย/เมนู/เอกสารต่างประเทศ ให้แปลพร้อมอธิบายบริบทวัฒนธรรม
บันทึกลง Space: เก็บ thread สำคัญไว้ใน Space ตามโปรเจกต์ เพื่อค้นย้อนหลังและต่อยอด

⚠️ สำหรับผู้ใช้ทั่วไป การนำข้อมูลค้นหาไปปรับปรุงโมเดลมักเป็นแบบ opt-out (เปิดโดยดีฟอลต์) หากใช้บนมือถือกับข้อมูลส่วนตัว ควรเข้าไปปิด "AI Data Retention" ใน Settings และเลี่ยงการอัปโหลดเอกสารที่มีข้อมูลอ่อนไหวลงบัญชี consumer

สรุปหลักคิดของบทนี้: มือถือทำให้ Perplexity เร็วและอยู่ใกล้มือ แต่ความเร็วไม่ได้ลดหน้าที่ของคุณในการตรวจสอบ — เลือกโหมดให้พอดีกับเวลา ใช้เสียง/รูป/Spaces ให้เป็นระบบ และกดดูแหล่งอ้างอิงจริงก่อนตัดสินใจเสมอ

บทที่ 10: Perplexity ในการทำงานจริง: เวิร์กโฟลว์ตามอาชีพ

บทก่อนหน้าปูพื้นฐานฟีเจอร์ของ Perplexity ไปแล้ว บทนี้จะลงมือประกอบทุกอย่างเข้าเป็น เวิร์กโฟลว์จริงตามสายงาน โดยแต่ละกลุ่มอาชีพจะได้ทั้งสถานการณ์ตัวอย่าง วิธีตั้งคำถาม (prompt) และที่สำคัญที่สุดคือ วิธีตรวจแหล่งอ้างอิง เพราะไม่ว่าจะสายงานใด หลักการเดียวที่ห้ามละเลยคือ Perplexity อาจ misattribute (อ้าง URL จริงแต่เนื้อหาในหน้านั้นไม่ตรงตามที่สรุป) จึงต้อง คลิกลิงก์ตรวจเองทุกครั้งก่อนนำไปใช้ตัดสินใจ

⚠️ งานวิจัยอิสระของ Tow Center (มี.ค. 2025) พบอัตราการอ้างอิงผิดของ Perplexity ราว 37% และ Perplexity Pro ราว 45–46% ตัวเลข "citation accuracy 94%" ฝั่งบริษัทขัดกับงานอิสระชัดเจน ทุกเวิร์กโฟลว์ในบทนี้จึงมีขั้น "ตรวจแหล่ง" เป็นส่วนบังคับ ไม่ใช่ทางเลือก

แผนที่ภาพรวม: จับคู่โหมดกับประเภทงาน

flowchart TD
    A[คำถามในงาน] --> B{ต้องการอะไร}
    B -->|ตอบเร็ว ข้อเท็จจริงเดียว| C[Search / Auto]
    B -->|เจาะหลายชั้น มีเงื่อนไข| D[Pro Search + เลือกโมเดล]
    B -->|รายงานยาว หลายสิบแหล่ง| E[Deep Research]
    C --> F[คลิกตรวจ citation]
    D --> F
    E --> F
    F --> G{แหล่งน่าเชื่อ?}
    G -->|ใช่| H[นำไปใช้ / export]
    G -->|ไม่| I[ถาม follow-up<br/>ขอแหล่งปฐมภูมิ]
    I --> F

เลือกโหมดตามลักษณะงาน (สรุปเร็ว)

ลักษณะงาน	โหมดที่เหมาะ	เหตุผล
หาข้อเท็จจริงเดี่ยว ตัวเลขล่าสุด	Search / Auto	เร็ว มี citation พอตรวจได้
เปรียบเทียบหลายตัวเลือกที่มีเงื่อนไข	Pro Search	แยกคำถามย่อย เลือกโมเดล reasoning ได้
รายงานตลาด/วิจัย/due diligence	Deep Research	อ่านหลายสิบแหล่ง สังเคราะห์พร้อมอ้างอิง (~2–5 นาที)
งานประจำโปรเจกต์ ใช้ไฟล์เดิมซ้ำ	Spaces + custom instructions	รวมไฟล์ + โทน + แหล่งไว้ที่เดียว
งานวิชาการ/peer-reviewed	Focus: Academic	กรองให้เหลือแหล่งวิชาการ

1) นักการตลาด / Market Research

สถานการณ์: ต้องประเมินขนาดตลาดและคู่แข่งของสินค้าใหม่ก่อนเสนอแคมเปญ

วิธีตั้งคำถาม — ใช้ Deep Research เพื่อได้รายงานสังเคราะห์:

ทำรายงานภาพรวมตลาด [หมวดสินค้า] ในไทยปี 2025-2026:
ขนาดตลาด, อัตราเติบโต, ผู้เล่นหลัก 5 ราย, พฤติกรรมผู้บริโภคหลัก
และช่องว่างตลาด อ้างอิงแหล่งพร้อมปีของข้อมูลทุกจุด

ตรวจแหล่ง: ตัวเลขขนาดตลาดต้องเปิดลิงก์ดูว่าเป็นปีไหน มาจากบริษัทวิจัย (เช่น Statista/รายงานอุตสาหกรรม) หรือเป็นบล็อก SEO คุณภาพต่ำ ระวังตัวเลขที่ Perplexity รวมข้ามปีมาปนกัน

💡 ตั้ง Space ชื่อ "Market Research – [แบรนด์]" ใส่ custom instructions ว่า "ระบุปีของข้อมูลทุกครั้ง และแยกแหล่งปฐมภูมิกับสื่อรอง" ทุก thread ใหม่จะได้กติกาเดียวกัน

2) นักวิเคราะห์ (Analyst)

สถานการณ์: ต้องเทียบตัวเลขจากหลายแหล่งที่อาจไม่ตรงกัน

วิธีตั้งคำถาม — Pro Search พร้อมเลือกโมเดล reasoning:

เทียบตัวเลข [เมตริก] จากอย่างน้อย 3 แหล่งที่ต่างกัน
แสดงเป็นตาราง: แหล่ง | ตัวเลข | ปี | วิธีวัด
แล้วอธิบายว่าทำไมตัวเลขต่างกัน

ตรวจแหล่ง: เมื่อตัวเลขขัดกัน อย่าให้ Perplexity เลือกให้ ให้เปิดทั้งสามแหล่งเทียบ definition เอง เพราะความต่างมักมาจากวิธีวัด ไม่ใช่ข้อผิดพลาด

3) นักเขียน / นักข่าว

สถานการณ์: ต้องหา background และ quote ประกอบบทความภายในเวลาจำกัด

วิธีตั้งคำถาม:

สรุปไทม์ไลน์เหตุการณ์ [ประเด็น] พร้อมคำพูดสำคัญของบุคคลที่เกี่ยวข้อง
ระบุแหล่งและวันที่ของทุก quote

⚠️ สำหรับงานข่าว ห้ามใช้ quote จาก Perplexity โดยไม่เปิดแหล่งต้นทาง เพราะ misattribution คือความผิดพลาดที่พบบ่อยที่สุด — คำพูดอาจถูกจับใส่ปากผิดคน หรือมาจากหน้าที่ไม่มีข้อความนั้นจริง ยึดหลักตรวจสอบสองแหล่งอิสระเสมอ

4) นักลงทุน / Financial Research

สถานการณ์: ทำ due diligence เบื้องต้นก่อนศึกษาลึก

สรุปสถานะธุรกิจของ [บริษัท]: โมเดลรายได้, การแข่งขัน,
ความเสี่ยงหลัก และข่าวสำคัญ 6 เดือนล่าสุด อ้างอิงแหล่ง

ตรวจแหล่ง: ตัวเลขการเงินต้องย้อนไปที่เอกสารปฐมภูมิเท่านั้น — สำหรับบริษัทไทยคือรายงานประจำปี/แบบ 56-1 One Report และงบการเงินที่ยื่นต่อหน่วยงานกำกับ (ก.ล.ต./ตลท. ผ่าน SETSMART หรือเว็บ set.or.th) ส่วนบริษัทต่างประเทศคือ filings ต่อหน่วยงานกำกับตามตลาดนั้น ๆ (เช่น US SEC EDGAR สำหรับบริษัทสหรัฐฯ) หากใช้ Comet ฟีเจอร์ Finance Hub มีลิงก์ไป filings โดยตรง

⚠️ Perplexity ไม่ใช่ที่ปรึกษาการลงทุน ใช้เพื่อรวบรวมข้อมูลได้ แต่การตัดสินใจซื้อขายและการตีความต้องเป็นของคุณเองหรือผู้เชี่ยวชาญที่มีใบอนุญาต

5) นักเรียน / นักวิจัย (Academic)

สถานการณ์: ทำ literature review หางานที่เกี่ยวข้อง

วิธีตั้งคำถาม — เลือก Focus: Academic เพื่อจำกัดเหลือแหล่งวิชาการ:

สรุปงานวิจัยหลักเกี่ยวกับ [หัวข้อ] ตั้งแต่ปี 2020
ระบุผู้เขียน ปีตีพิมพ์ ข้อค้นพบหลัก และช่องว่างงานวิจัย

ตรวจแหล่ง: ตรวจว่า paper ที่อ้างมีอยู่จริง (ค้น DOI/ชื่อใน Google Scholar) เพราะ AI อาจสร้างชื่อ paper ที่ฟังดูสมจริงแต่ไม่มีอยู่ ใช้ Perplexity เป็นจุดเริ่ม ไม่ใช่แหล่งอ้างอิงสุดท้ายในวิทยานิพนธ์

6) ฝ่ายขาย (Sales)

สถานการณ์: เตรียมข้อมูลก่อนโทรหาลูกค้าองค์กร

โปรไฟล์บริษัท [ชื่อ]: อุตสาหกรรม, ขนาด, ผู้บริหารหลัก,
ความริเริ่มล่าสุด และจุดที่สินค้าของเราอาจช่วยได้

💡 สร้าง Space ต่อลูกค้าหนึ่งราย แนบเอกสาร proposal ของคุณ (PDF/DOCX) ระบบจะตอบโดยอิงทั้งไฟล์ของคุณและเว็บ ทำให้เชื่อม pain point ของลูกค้ากับ solution ได้ตรง

7) เจ้าของธุรกิจ / ผู้ประกอบการ

สถานการณ์: สำรวจ regulation หรือคู่แข่งก่อนตัดสินใจ

สรุปข้อกำหนด/ใบอนุญาตที่ต้องมีสำหรับธุรกิจ [ประเภท] ในไทย
พร้อมหน่วยงานที่รับผิดชอบและลิงก์ทางการ

ตรวจแหล่ง: เรื่องกฎหมาย/ใบอนุญาตต้องยืนยันกับเว็บหน่วยงานราชการโดยตรง (.go.th) Perplexity อาจอ้างข้อมูลเก่าหรือของประเทศอื่นปนมา

8) ฝ่ายกฎหมาย / Compliance

สถานการณ์: เช็กความเปลี่ยนแปลงกฎเกณฑ์เบื้องต้น

มีการเปลี่ยนแปลงกฎ [เรื่อง] ในช่วง 12 เดือนล่าสุดหรือไม่
ระบุวันบังคับใช้และแหล่งทางการ

ตรวจแหล่ง: ต้องเปิดตัวบทกฎหมายจริงเสมอ ห้ามอ้างอิงจากบทสรุปข่าว

9) นักพัฒนา / Technical

สถานการณ์: หาแนวทางแก้ปัญหาเทคนิคหรือเทียบ library

วิธีตั้งคำถาม — Pro Search + เลือกโมเดล reasoning (เช่น Sonar Reasoning หรือ frontier model ในแผน Pro):

เทียบ [library A] กับ [library B] สำหรับ [use case]:
performance, maturity, community, ข้อจำกัด
อ้างอิง docs ทางการและ benchmark

ตรวจแหล่ง: เปิด official docs และ GitHub จริง เพราะ AI อาจอ้าง API/flag ที่เปลี่ยนไปแล้วหรือไม่มีอยู่

10) ฝ่าย HR / Operations

สถานการณ์: เทียบเครื่องมือ SaaS หรือ benchmark ค่าตอบแทน

เทียบ [เครื่องมือ HR 3 ตัว]: ฟีเจอร์หลัก, ราคา, จุดเด่น/ด้อย
เป็นตาราง อ้างอิงหน้าราคาทางการของแต่ละเจ้า

ตรวจแหล่ง: ราคา SaaS เปลี่ยนบ่อย ต้องเปิดหน้า pricing จริงยืนยัน

หลักการร่วมทุกสายงาน

แยกงาน "หาเร็ว" กับ "ค้นลึก" — ใช้ Search/Auto สำหรับข้อเท็จจริงเดี่ยว, Deep Research เมื่อต้องสังเคราะห์หลายแหล่ง
ใช้ Spaces เป็นบ้านของโปรเจกต์ — รวมไฟล์ + custom instructions ให้ทุก thread ได้กติกาและบริบทเดียวกัน (การอัปโหลดไฟล์เข้า Spaces ต้องใช้แผน Pro ขึ้นไป)
ตรวจ citation ก่อนใช้เสมอ — คลิกลิงก์ ยืนยันว่าเนื้อหาในหน้านั้นตรงกับที่สรุป โดยเฉพาะตัวเลข quote และประเด็นกฎหมาย/การเงิน สำหรับข้อมูลการเงินให้ย้อนไปที่เอกสารปฐมภูมิ เช่น รายงานประจำปี/56-1 One Report และ filings ต่อหน่วยงานกำกับ (ก.ล.ต./ตลท. สำหรับบริษัทไทย, SEC หรือหน่วยงานตามตลาดสำหรับบริษัทต่างประเทศ)
ยกระดับความเข้มการตรวจตามความเสี่ยง — ยิ่งการตัดสินใจมีผลมาก ยิ่งต้องกลับไปที่แหล่งปฐมภูมิ ไม่พึ่งบทสรุปชั้นสอง
ระวังข้อมูลเปลี่ยนบ่อย — ราคาแผน โมเดล และ UI ของ Perplexity ปรับบ่อย (มีรายงานปรับ SKU กลางปี 2026) ให้ยึดในแอปและหน้าทางการเป็นหลัก

💡 สำหรับงานที่ทำซ้ำเป็นประจำ (เช่น รายงานตลาดรายเดือน) พิจารณา scheduled searches และ export เป็น PDF/DOCX/Markdown หรือ Perplexity Page เพื่อส่งต่อทีม แต่ก่อน export ทุกครั้งให้ตรวจ citation สำคัญก่อนเสมอ

บทที่ 11: คลัง Prompt และสูตรค้นคว้าสำเร็จรูป

บทนี้คือ "cookbook" ของคู่มือ รวมสูตรคำถาม (prompt template) และเทคนิคค้นคว้าที่หยิบไปใช้ได้ทันที ปรับแค่ตัวแปรในวงเล็บเหลี่ยม [...] แล้ววางใน Perplexity ได้เลย ทุกสูตรออกแบบมาเพื่อดึงจุดแข็งที่สุดของ Perplexity — การตอบพร้อม inline citations แบบเรียลไทม์ — และทุกสูตรจบด้วยหมายเหตุ การตรวจอ้างอิง เพราะจากงานวิจัยอิสระ (Tow Center, มี.ค. 2025) Perplexity ยังมีอัตราการอ้างอิงผิด/แต่งขึ้นราว 37% (Pro ~45%) โดยความผิดพลาดที่อันตรายที่สุดคือ misattribution (ลิงก์เปิดได้จริงแต่ในหน้านั้นไม่มีข้อความตามที่อ้าง) ดังนั้นกฎเหล็กของทั้งบท: คลิกเข้าไปดูแหล่งจริงเสมอก่อนนำไปใช้ตัดสินใจ

💡 หลักการเขียน prompt ให้ Perplexity: (1) เจาะจงบริบท/ช่วงเวลา/ภูมิภาค (2) ระบุรูปแบบผลลัพธ์ที่ต้องการ (ตาราง/bullet/รายงาน) (3) สั่งให้แยกข้อเท็จจริงกับความเห็น และ (4) บอกให้อ้างอิงแหล่งปฐมภูมิ ยิ่ง prompt แคบ citation ยิ่งแม่น

แผนที่สูตร: เลือกให้ตรงงาน

flowchart TD
    A[ต้องการอะไร?] --> B{ประเภทงาน}
    B -->|หาข้อมูลเร็ว| C[สูตร 1-2<br/>Search / Auto]
    B -->|เทียบตัวเลือก| D[สูตร 3-4<br/>Pro Search + ตาราง]
    B -->|เจาะลึก+รายงาน| E[สูตร 5-6<br/>Deep Research]
    B -->|หาสถิติ/ตัวเลข| F[สูตร 7<br/>Academic + ปฐมภูมิ]
    B -->|ตรวจข้อเท็จจริง| G[สูตร 8-9<br/>Fact-check]
    B -->|สรุปงานวิจัย| H[สูตร 10<br/>Academic Focus]
    C & D & E & F & G & H --> Z[คลิกตรวจ citation จริงทุกครั้ง]

สูตร 1 — หาข้อมูลพื้นฐานแบบมีบริบท (Grounded Lookup)

[คำถาม/หัวข้อที่ต้องการรู้] ณ ปี [2026] สำหรับบริบท [ประเทศไทย/อุตสาหกรรม X]
ตอบสั้น กระชับ เป็น bullet แยกประเด็นหลัก และอ้างอิงแหล่งปฐมภูมิ (เว็บทางการ/หน่วยงาน) เป็นหลัก

วิธีปรับใช้: ใช้โหมด Auto/Search ก็พอ เหมาะกับคำถามข้อเท็จจริงทั่วไป การใส่ปี + ภูมิภาคช่วยตัดผลลัพธ์เก่าและเนื้อหาที่ไม่เกี่ยวออก ตรวจอ้างอิง: ดูว่า citation ชี้ไปเว็บทางการหรือ blog SEO คุณภาพต่ำ ถ้าเป็นอย่างหลังให้ถามซ้ำโดยระบุ "ใช้เฉพาะแหล่งทางการ/ข่าวหลัก"

สูตร 2 — บังคับให้แยก "ข้อเท็จจริง vs. ความเห็น"

[หัวข้อ] — แบ่งคำตอบเป็น 2 ส่วน:
1) ข้อเท็จจริงที่ยืนยันได้ (พร้อม citation ต่อข้อ)
2) ความเห็น/การตีความ/ข้อถกเถียง (ระบุว่าใครเป็นคนพูด)
ถ้าข้อมูลขัดแย้งกันระหว่างแหล่ง ให้ชี้ให้เห็น

วิธีปรับใช้: ดีมากกับหัวข้อที่มีดราม่า/นโยบาย/รีวิว ช่วยลดการที่โมเดลผสมความเห็นเป็นข้อเท็จจริง ตรวจอ้างอิง: โฟกัสที่ส่วนที่ 1 ทุก bullet ต้องมีลิงก์ที่คลิกแล้วเจอข้อความตรงกันจริง

สูตร 3 — เปรียบเทียบตัวเลือกเป็นตาราง

เปรียบเทียบ [ตัวเลือก A] กับ [ตัวเลือก B] (และ [C]) ในด้าน:
[ราคา], [ฟีเจอร์หลัก], [ข้อจำกัด], [เหมาะกับใคร]
ทำเป็นตาราง Markdown 1 ตาราง แถวละเกณฑ์ พร้อม citation ต่อช่องที่เป็นตัวเลข/ข้อเท็จจริง
ปิดท้ายด้วยข้อสรุป "ควรเลือกอันไหนเมื่อ..."

วิธีปรับใช้: เปิด Pro Search เพื่อให้ระบบแยกคำถามย่อยและค้นหลายรอบ เหมาะกับเทียบเครื่องมือ/แพ็กเกจ/สินค้า ตรวจอ้างอิง: ตัวเลขราคา/สเปกเปลี่ยนบ่อยที่สุด ให้คลิกยืนยันกับหน้า pricing ทางการของแต่ละเจ้า อย่าเชื่อตัวเลขในตารางลอย ๆ

สูตร 4 — ข้อดี-ข้อเสียแบบสมดุล (Steelman ทั้งสองฝั่ง)

ให้เหตุผลที่ดีที่สุดของฝ่ายที่สนับสนุน [ประเด็น] และเหตุผลที่ดีที่สุดของฝ่ายที่คัดค้าน
ฝั่งละอย่างน้อย 4 ข้อ พร้อมแหล่งอ้างอิงของแต่ละข้อ
อย่าเข้าข้างฝ่ายใด และระบุจุดที่หลักฐานยังไม่ชัด

ตรวจอ้างอิง: ระวังการอ้างว่า "ผลวิจัยบอกว่า..." โดยไม่มีลิงก์งานจริง — ให้ถาม follow-up ว่า "ลิงก์งานวิจัยต้นฉบับของข้อ X คืออะไร"

สูตร 5 — Deep Research แบบมีโครงรายงาน

ทำรายงานค้นคว้าเชิงลึกเรื่อง [หัวข้อ] สำหรับ [กลุ่มผู้อ่าน/วัตถุประสงค์]
ขอบเขต: [ช่วงเวลา/ภูมิภาค/แง่มุมที่สนใจ]
โครงสร้าง: บทสรุปผู้บริหาร / ภูมิหลัง / ข้อค้นพบหลัก (พร้อมข้อมูลตัวเลข) / ความเสี่ยงหรือข้อถกเถียง / แหล่งอ้างอิง
ทุกข้ออ้างต้องมี inline citation และเน้นแหล่งปฐมภูมิ

วิธีปรับใช้: เลือกโหมด Deep Research จาก mode selector ระบบจะอ่านหลายสิบแหล่งและใช้เวลาราว 2–5 นาที เหมาะกับ market analysis, literature review, due diligence ตรวจอ้างอิง: อย่าเชื่อว่า "มี citation = ถูกต้อง" การทดสอบพบ misattribution ได้จริง ให้สุ่มคลิกอ้างอิงของข้อค้นพบสำคัญ 3–5 จุดเสมอ

สูตร 6 — ต่อยอด Deep Research ด้วย follow-up

จากรายงานข้างต้น เจาะลึกเฉพาะประเด็น [X]:
หาข้อมูลตัวเลขล่าสุด/กรณีศึกษา/ความเห็นแย้ง เพิ่มเติม
และระบุว่าแหล่งไหน "น่าเชื่อถือสูง" กับ "ควรระวัง" พร้อมเหตุผล

วิธีปรับใช้: Deep Research แข็งแรงเมื่อทำเป็นบทสนทนาต่อเนื่อง ไม่ใช่ครั้งเดียวจบ ใช้ Space เก็บ thread + ไฟล์ที่เกี่ยวข้องไว้ในโปรเจกต์เดียวจะจัดระเบียบได้ดี

สูตร 7 — หาสถิติ/ตัวเลขพร้อมแหล่งปฐมภูมิ

หาสถิติล่าสุดเรื่อง [ตัวชี้วัด] ของ [ประเทศ/ตลาด/กลุ่ม] ปี [ล่าสุดที่มีข้อมูล]
ต้องการ: ตัวเลข + ปีของข้อมูล + ชื่อหน่วยงาน/รายงานต้นทาง + ลิงก์ตรงไปหน้าที่มีตัวเลขนั้น
อย่าใช้ตัวเลขจากบล็อกที่อ้างต่อ ให้ไปที่รายงานต้นฉบับ
ถ้าตัวเลขจากหลายแหล่งไม่ตรงกัน ให้แสดงทั้งหมดพร้อมบอกว่าต่างเพราะอะไร

วิธีปรับใช้: จับคู่กับ Academic Focus (บนมือถือยังมีตัวเลือก Focus ครบกว่าเว็บ) เพื่อดึงงานที่ผ่าน peer-review ตรวจอ้างอิง: ตัวเลขคือจุดที่ hallucinate ง่ายสุด ต้องคลิกไปเจอ "ตัวเลขเป๊ะ + ปีเดียวกัน" ในหน้าต้นทาง ถ้าเจอแค่หน้าที่พูดถึงหัวข้อลอย ๆ = misattribution ให้ทิ้ง

สูตร 8 — ตรวจข้อเท็จจริงข้อความหนึ่ง (Fact-check)

ข้อความนี้จริงหรือไม่: "[วางข้อความ/ข่าว/ข้ออ้างที่ต้องการเช็ก]"
ประเมินเป็น: จริง / จริงบางส่วน / เท็จ / ยังพิสูจน์ไม่ได้
อธิบายด้วยหลักฐานจากแหล่งอิสระอย่างน้อย 3 แหล่ง (ระบุลิงก์)
ถ้าเป็นข่าวลือหรือถูก debunk แล้ว ให้ชี้แหล่งที่ตรวจสอบ

ตรวจอ้างอิง: ต้องการ แหล่งอิสระหลายแหล่งที่ตรงกัน ระวังกรณีทุกลิงก์วนกลับไปต้นทางเดียว (echo) ซึ่งไม่ถือว่ายืนยันได้

สูตร 9 — หาแหล่งที่ "แย้ง" คำตอบ (Red-team ตัวเอง)

ก่อนหน้านี้คุณตอบว่า [สรุปคำตอบเดิม]
ตอนนี้ช่วยหาหลักฐานหรือแหล่งที่ "ขัดแย้ง" หรือ "ตั้งคำถาม" กับคำตอบนั้น
มีมุมมอง ข้อมูล หรืองานวิจัยใดที่บอกตรงข้ามบ้าง? ระบุลิงก์

วิธีปรับใช้: เทคนิคนี้ทรงพลังมากในการจับ overconfidence ของ AI ใช้เป็นขั้นตอนบังคับก่อน "เชื่อ" คำตอบใด ๆ ตรวจอ้างอิง: ถ้าหาข้อแย้งไม่เจอเลยจริง ๆ ความมั่นใจเพิ่มขึ้น แต่ถ้าเจอ ให้กลับไปชั่งน้ำหนักใหม่

สูตร 10 — สรุปงานวิจัย/เปเปอร์

สรุปงานวิจัยเรื่อง [ชื่อเปเปอร์/หัวข้อ] ให้ในรูปแบบ:
- คำถามวิจัย / วิธีการ (ขนาดตัวอย่าง, การออกแบบ)
- ผลลัพธ์หลัก (ตัวเลขสำคัญ)
- ข้อจำกัดของงาน
- ใช้อ้างอิงในบริบทไหนได้/ไม่ได้
อ้างอิงจากงานตีพิมพ์ (peer-reviewed) และลิงก์ไปตัวเปเปอร์โดยตรง

วิธีปรับใช้: เปิด Academic Focus หรือแนบไฟล์ PDF เปเปอร์เข้า Space (Pro/Max/Enterprise) แล้วให้ค้นในไฟล์ควบคู่เว็บ — วิธีนี้ลด hallucination เพราะมีต้นฉบับให้ยึด ตรวจอ้างอิง: ตรวจ "ขนาดตัวอย่าง" และ "ผลลัพธ์ตัวเลข" กับ abstract จริง ระวังการสรุปเกินจริง (overclaim) จากบทคัดย่อข่าว

ตารางสรุป: จับคู่สูตรกับโหมด

สูตร	โหมดที่แนะนำ	Focus/แหล่ง	จุดตรวจอ้างอิงสำคัญ
1–2 Lookup	Auto / Search	Web	เว็บทางการ ไม่ใช่ blog SEO
3–4 เปรียบเทียบ	Pro Search	Web	ราคา/สเปกกับหน้า pricing จริง
5–6 เจาะลึก	Deep Research	Web (อัตโนมัติ)	สุ่มคลิก citation หลายจุด
7 สถิติ	Pro Search	Academic + ปฐมภูมิ	ตัวเลขเป๊ะ + ปีตรงกัน
8–9 Fact-check	Pro Search	Web (หลายแหล่งอิสระ)	ไม่ใช่ echo แหล่งเดียว
10 งานวิจัย	Deep Research / Space	Academic / ไฟล์แนบ	abstract ต้นฉบับ

⚠️ ชื่อโหมด, ตัวเลือก Focus และรายชื่อโมเดลใน picker เปลี่ยนบ่อย (Perplexity ปรับ UI/แผนหลายครั้งในปี 2026) ให้ยึดตามที่เห็นจริงในแอปและ perplexity.ai/help-center เป็นหลัก

💡 เก็บสูตรที่ใช้บ่อยเป็น custom instructions ของ Space ได้ เช่น "ทุกคำตอบให้แยกข้อเท็จจริง/ความเห็น และอ้างอิงแหล่งปฐมภูมิเสมอ" ระบบจะใช้กับทุก thread ใหม่ใน Space นั้นอัตโนมัติ ทำให้ไม่ต้องพิมพ์ซ้ำ

กฎปิดท้ายของทั้งคลัง: prompt ที่ดีช่วยให้ Perplexity หาแหล่งได้แม่นขึ้น แต่ไม่มี prompt ใดรับประกันความถูกต้องแทนคุณได้ ทุกตัวเลข ทุกข้ออ้างที่จะนำไปใช้จริง — โดยเฉพาะงานที่มีผลต่อการตัดสินใจ เงิน หรือชื่อเสียง — ต้อง เปิดลิงก์ต้นทางอ่านด้วยตาตัวเอง เสมอ

บทที่ 12: ความแม่นยำ การตรวจสอบแหล่งอ้างอิง และข้อจำกัด

จุดขายหลักของ Perplexity คือ "answer engine" ที่ตอบพร้อมอ้างอิงแหล่งที่มา ทำให้หลายคนเข้าใจว่าคำตอบของมันเชื่อถือได้กว่าแชตบอตทั่วไปโดยอัตโนมัติ ความเข้าใจนี้อันตราย เพราะการมี citation ไม่ได้แปลว่าคำตอบถูกต้อง บทนี้จะสอนวิธีอ่านและประเมิน citation อย่างมืออาชีพ เข้าใจว่า Perplexity ผิดพลาดตรงไหนได้บ้าง และวางกระบวนการใช้งานอย่างมีวิจารณญาณ โดยเฉพาะงานความเสี่ยงสูง

Perplexity ทำงานอย่างไร และทำไมยังผิดได้

Perplexity ใช้สถาปัตยกรรม RAG (Retrieval-Augmented Generation) คือดึงเนื้อหาจากหน้าเว็บสด ๆ มาป้อนให้โมเดลสรุปพร้อมแนบ inline citations แนวทางนี้ช่วย ลด hallucination เทียบกับ LLM ที่ตอบจากความจำล้วน แต่ ไม่ขจัด ได้หมด เพราะขั้นตอน "generation" ตัวโมเดลยังสามารถแต่งรายละเอียด เติมช่องว่าง หรือสรุปคลาดเคลื่อนจากเนื้อหาที่ดึงมาได้อยู่ดี

ความแม่นยำจึงขึ้นกับสองด่าน: (1) คุณภาพของหน้าเว็บที่ระบบเลือกดึงมา และ (2) ความซื่อตรงของโมเดลต่อเนื้อหานั้น ทั้งสองด่านพลาดได้

flowchart LR
    Q[คำถามของคุณ] --> R[Retrieve<br/>ดึงหน้าเว็บ]
    R --> D1{แหล่งดี<br/>หรือแย่?}
    D1 -->|SEO spam / เนื้อหาผิด| BAD[แหล่งคุณภาพต่ำ]
    D1 -->|น่าเชื่อถือ| G[Generate<br/>โมเดลสรุป]
    BAD --> G
    G --> D2{ตรงกับ<br/>แหล่งจริง?}
    D2 -->|misattribution| H[คำตอบผิด<br/>แต่มี citation]
    D2 -->|ตรง| OK[คำตอบพร้อมอ้างอิง]
    H --> V[คุณต้องคลิกตรวจสอบ]
    OK --> V

ตัวเลขความแม่นยำที่ควรรู้ (และควรระวัง)

งานวิจัยอิสระของ Tow Center for Digital Journalism (Columbia Journalism Review) เผยแพร่มีนาคม 2025 ทดสอบ 200 คำถาม × เครื่องมือ AI search 8 ตัว พบว่าโดยรวมให้อ้างอิงผิดหรือแต่งขึ้น มากกว่า 60% ของครั้ง ในกลุ่มนั้น Perplexity ทำผลได้ ดีที่สุด แต่ก็ยังพลาดราว 37% และที่น่าตกใจคือ Perplexity Pro พลาดสูงกว่า ที่ราว 45-46% — เสียเงินไม่ได้แปลว่าอ้างอิงแม่นยำกว่าเสมอไป

⚠️ ระวังตัวเลขจากฝั่งบริษัท เช่น "94% citation accuracy" หรือ "hallucination 3-5%" ที่บางแหล่งอ้าง ขัดแย้งชัดเจนกับผลทดสอบอิสระ (error 37%+) ให้ยึดงานวิจัยอิสระเป็นฐานการประเมินความเสี่ยง

แหล่ง/บริบท	อัตราอ้างอิงผิด (โดยประมาณ)	นัยต่อการใช้งาน
ค่าเฉลี่ยเครื่องมือ AI search ทั้งกลุ่ม	> 60%	อย่าเชื่อ AI search ใดโดยไม่ตรวจสอบ
Perplexity (ฟรี)	~37%	ดีที่สุดในกลุ่ม แต่ยัง 1 ใน 3 พลาด
Perplexity Pro	~45-46%	tier สูงขึ้น ≠ อ้างอิงแม่นขึ้น
การอ้างอิงเชิงลึก (Deep Research)	บางการทดสอบอิสระรายงานความถูกต้อง ~98% (ต่างบริบท/วิธีวัดจาก Tow Center และที่มายังไม่ชัด)	อย่าเหมาว่าแม่นทั้งฉบับ — ยังต้องสุ่มตรวจจุดวิกฤต

misattribution: ความผิดพลาดที่อันตรายที่สุด

ประเภทความผิดที่อันตรายที่สุดของ Perplexity คือ misattribution — URL ที่อ้างเป็นของจริง เปิดได้ หน้าเว็บมีอยู่จริง แต่เนื้อหาในหน้านั้นไม่มีข้อความหรือข้อมูลตามที่ Perplexity อ้าง ผู้ใช้ที่เห็นตัวเลขกำกับ [1] [2] แล้วเห็นว่าลิงก์คลิกได้จริง มักด่วนเชื่อโดยไม่เปิดอ่าน ซึ่งเป็นกับดักหลัก

นอกจากนี้ Tow Center ยังพบว่า Perplexity/Pro เข้าถึงและอ้างอิงเนื้อหาจากสำนักพิมพ์บางแห่งที่ บล็อก crawler ไว้ (ข้าม Robots Exclusion Protocol) ซึ่งเป็นประเด็นทั้งด้านความน่าเชื่อถือของแหล่งและด้านจริยธรรม

วิธีอ่านและประเมิน citation อย่างมืออาชีพ

อย่าอ่านแค่ "มีเลขอ้างอิงหรือไม่" ให้ประเมินเชิงคุณภาพ:

คลิกทุกครั้งสำหรับข้อเท็จจริงสำคัญ — ตัวเลข วันที่ ราคา คำพูดอ้างอิง (quote) ข้อกฎหมาย ข้อมูลการแพทย์/การเงิน ต้องเปิดหน้าต้นทางและหาข้อความที่ตรงกันจริง
ประเมินระดับแหล่ง — เป็นเว็บทางการ/งานวิจัย peer-reviewed หรือเป็นบล็อก SEO / ฟอรัม / เนื้อหา AI-generated? Perplexity มีสัดส่วนอ้างอิง Reddit สูง (ราว 24% ของ citations ต้นปี 2026) ซึ่งเหมาะกับ "ความเห็น/ประสบการณ์" แต่ไม่ใช่ "ข้อเท็จจริงที่ต้องยืนยัน"
ระวัง citation ปลอมแบบเนียน — เนื้อหาที่โมเดลสรุปอาจครอบคลุมกว่าที่แหล่งพูดจริง เลขอ้างอิงอาจชี้ประโยคใกล้เคียงแต่ไม่ใช่ข้ออ้างนั้นตรง ๆ
ข้ามภาษา/เฉพาะทาง = เสี่ยงขึ้น — คำถามเฉพาะทางลึก ข่าวสด หรือเนื้อหาภาษาไทย/ภาษาที่ไม่ใช่อังกฤษ มีแนวโน้ม hallucinate มากขึ้นเพราะแหล่งคุณภาพน้อยกว่า
ใช้ Focus/Choose sources จำกัดขอบเขต — งานวิชาการให้เลือก Academic เพื่อดันแหล่ง peer-reviewed แทนเว็บทั่วไป (ชื่อ/ตัวเลือกอาจต่างกันตามแพลตฟอร์มและเวอร์ชัน ให้ตรวจใน UI จริง)

💡 เทคนิค cross-check: ถาม Perplexity คำถามเดิมซ้ำด้วยการ reframe หรือใช้ Model Council (แผน Max) ที่รันหลายโมเดล frontier แล้วเทียบจุดที่ตรง/ต่างกัน ถ้าคำตอบไม่นิ่งข้ามโมเดล นั่นคือสัญญาณให้ตรวจสอบด้วยมือหนักขึ้น

ข้อจำกัดเชิงปฏิบัติที่ต้องเผื่อไว้เสมอ

คำตอบดีเท่าที่หน้าเว็บที่ดึงมาดี — ถ้าอินเทอร์เน็ตมีแต่ข้อมูลผิดหรือ SEO spam ในหัวข้อนั้น คำตอบก็จะสะท้อนความผิดนั้น
Deep Research อ่านหลายสิบถึงหลายร้อยแหล่งและมี citation ทุกข้ออ้าง แต่ปริมาณแหล่ง ไม่รับประกันความถูกต้อง — ยิ่งรายงานยาว ยิ่งต้องสุ่มตรวจจุดวิกฤต
ข้อมูลอาจล้าสมัยหรือคลาดเคลื่อนเรื่องเวอร์ชัน โดยเฉพาะเรื่องราคา/สเปกที่เปลี่ยนบ่อย (แม้แต่ข้อมูลเกี่ยวกับตัว Perplexity เอง)

ความเป็นส่วนตัว: อีกมิติของ "ข้อจำกัด"

API (Sonar) มีนโยบาย Zero Data Retention ชัดเจน ไม่เก็บ prompt/response และไม่นำไปเทรนโมเดล เก็บเฉพาะ metadata เพื่อคิดเงิน
Enterprise ข้อมูลไม่ถูกนำไปเทรนโมเดล มี certification เช่น SOC 2 Type II และ Trust Center (trust.perplexity.ai)
บัญชี consumer (Free/Pro ผ่านเว็บ/แอป) ต่างออกไป — การใช้ข้อมูลเพื่อปรับปรุง AI มักเป็นแบบ opt-out (เปิดโดยดีฟอลต์) ต้องเข้าไปปิด "AI Data Retention" ในการตั้งค่าเอง

⚠️ อย่าใส่ข้อมูลลับ ข้อมูลลูกค้า หรือข้อมูลส่วนบุคคลลงในบัญชี consumer โดยไม่ปิด data retention ก่อน และมีข้อกล่าวหา/คดีช่วงปี 2025-2026 เรื่อง tracker แชร์ข้อมูลกับบุคคลที่สามแม้ในโหมด incognito ซึ่งยังไม่ได้ข้อสรุปทางกฎหมาย ให้ถือเป็นข้อมูลระวัง

แนวทางใช้งานสำหรับงานความเสี่ยงสูง

สำหรับงานกฎหมาย การแพทย์ การเงิน งานวิชาการที่ตีพิมพ์ หรือการตัดสินใจที่มีผลกระทบสูง ให้ยึดหลัก "Perplexity เป็นจุดเริ่ม ไม่ใช่จุดจบ":

ใช้ Perplexity เพื่อ หาแหล่ง และปูภาพรวม ไม่ใช่เพื่อหา "คำตอบสุดท้าย"
เปิดและอ่านต้นฉบับทุกแหล่ง ที่จะนำไปอ้าง — ยืนยันว่าข้อความตรงกับที่ระบบสรุปจริง
cross-check ข้ามเครื่องมือ (เช่น เทียบกับ Google Search, เอกสารทางการ, ฐานข้อมูลเฉพาะทาง) อย่าพึ่งเครื่องมือเดียว
ข้อเท็จจริงวิกฤต (ตัวเลข วันที่ ข้อกฎหมาย) ต้องมี แหล่งปฐมภูมิ (primary source) ยืนยัน ไม่ใช่บล็อกสรุป
บันทึกแหล่งที่ตรวจสอบเอง ไม่ใช่ก็อป citation จาก Perplexity ทั้งชุดโดยไม่เปิด
อย่าใช้ Perplexity ให้ คำแนะนำการลงทุน/การแพทย์ส่วนบุคคล เป็นข้อสรุป — ปรึกษาผู้เชี่ยวชาญที่มีใบอนุญาต

หลักคิดสั้น ๆ ที่ควรจำ: citation คือ "ที่อยู่ให้ไปตรวจสอบ" ไม่ใช่ "หลักฐานว่าถูกแล้ว" เมื่อยึดหลักนี้ Perplexity จะเป็นเครื่องมือ research ที่ทรงพลังและปลอดภัย แทนที่จะเป็นแหล่งความมั่นใจลวงตา

บทที่ 13: ความเป็นส่วนตัว และการใช้สำหรับทีม/องค์กร

Perplexity เป็น "answer engine" ที่ต้องส่งคำถามของคุณออกไปประมวลผลบนคลาวด์และดึงข้อมูลจากเว็บมาสังเคราะห์ทุกครั้ง นั่นแปลว่าทุกสิ่งที่คุณพิมพ์ลงช่องค้นหา — รวมถึงไฟล์ที่อัปโหลดและ custom instructions ใน Space — คือข้อมูลที่ออกจากเครื่องคุณไปแล้ว บทนี้จะอธิบายวิธีควบคุมข้อมูลและประวัติการค้น สิ่งที่ไม่ควรใส่เด็ดขาด และแนวทางการนำ Perplexity ไปใช้ในระดับทีม/องค์กรอย่างปลอดภัย

ความจริงเรื่องข้อมูล: consumer เป็น opt-out แต่ API/Enterprise ต่างออกไป

ประเด็นสำคัญที่สุดที่ผู้ใช้ไทยส่วนใหญ่มองข้าม คือ นโยบายข้อมูลของ Perplexity ต่างกันมากตามช่องทางที่ใช้

บัญชี consumer (Free / Pro / Max ผ่านเว็บและแอป): ณ ปี 2026 การนำข้อมูลค้นหาไปใช้ปรับปรุง/เทรน AI เป็นแบบ opt-out — เปิดไว้โดยดีฟอลต์ คุณต้องเข้าไปปิด "AI Data Retention" ในการตั้งค่าเอง (โดยทั่วไปอยู่ที่ Settings → Account/Privacy) หากไม่ปิด ข้อมูลของคุณอาจถูกนำไปใช้พัฒนาโมเดล — ข้อสำคัญ: แผนบุคคล Max ($200/เดือน) ก็เป็นบัญชี consumer เช่นเดียวกับ Pro จ่ายแพงกว่าแต่ไม่ได้มีการรับประกันไม่เทรนแบบสัญญา ยังต้องปิด AI Data Retention เอง
Sonar API / Chat Completions API: Perplexity ประกาศนโยบาย Zero Data Retention อย่างชัดเจน — ไม่เก็บ prompt/response ที่ส่งผ่าน API และไม่นำไปเทรนโมเดล เก็บเฉพาะ metadata สำหรับการเรียกเก็บเงิน (จำนวน token, รุ่นโมเดล, เวลา, ข้อมูล API key)
แผนองค์กร (Enterprise Pro / Enterprise Max): ข้อมูลลูกค้า ไม่ถูกนำไปเทรนโมเดล เป็นการรับประกันในระดับสัญญา พร้อม certification ด้านความปลอดภัย เช่น SOC 2 Type II และมี Trust Center ที่ trust.perplexity.ai — ระวังอย่าสับสนระหว่าง Enterprise Max (แผนองค์กร) กับ Personal Max (แผนบุคคล $200/เดือน) ซึ่งเป็นคนละอย่างกัน การรับประกันตามสัญญามีเฉพาะฝั่งองค์กรเท่านั้น

ช่องทาง	ค่าเริ่มต้นการเก็บ/เทรนข้อมูล	ต้องทำอะไร
Free / Pro / Personal Max (web/app)	นำไปเทรนได้ (opt-out)	ปิด AI Data Retention เอง
Sonar API	Zero Data Retention	ไม่ต้องทำ (ค่าเริ่มต้นปลอดภัย)
Enterprise Pro / Enterprise Max (องค์กร)	ไม่นำไปเทรน (ตามสัญญา)	ยืนยันใน DPA/สัญญา

⚠️ อย่าเข้าใจผิดว่าจ่ายเงินแล้ว = ข้อมูลปลอดภัยอัตโนมัติ ทั้ง Perplexity Pro และ Personal Max ($200/เดือน) ยังเป็นบัญชี consumer ที่ต้องปิด AI Data Retention เอง หากต้องการการรับประกันไม่นำข้อมูลไปเทรนแบบเป็นสัญญา ต้องใช้แผนองค์กร (Enterprise Pro/Enterprise Max) หรือ API

💡 มีข้อกังวลจากภายนอกในช่วงปี 2025-2026 ว่ามี tracker บางตัวแชร์ข้อมูลกับบุคคลที่สาม (เช่น Meta/Google) แม้ในโหมด incognito ของเบราว์เซอร์ Comet ซึ่งเป็นข้อกล่าวหาที่ยังไม่มีข้อสรุปทางกฎหมาย แต่ควรถือเป็นข้อควรระวังในการใช้ Comet กับงานที่อ่อนไหว

การควบคุมประวัติการค้น (Threads)

ทุกคำถามใน Perplexity ถูกเก็บเป็น thread ในประวัติของคุณ สิ่งที่ควรทำเป็นนิสัย:

ลบ thread ที่มีข้อมูลอ่อนไหว ทันทีหลังใช้งาน — เปิด thread แล้วเลือกลบจากเมนู
ปิด AI Data Retention ก่อนใช้งานจริง (ทำครั้งเดียว มีผลกับ thread ใหม่)
ใช้ Incognito thread (ถ้ามีในเวอร์ชันของคุณ) สำหรับคำถามที่ไม่อยากให้เข้าประวัติ
ตรวจสอบว่า Space ที่แชร์ ไม่มี thread ส่วนตัวปนอยู่ก่อนเชิญคนอื่นเข้า

flowchart TD
    A[ก่อนเริ่มใช้จริง] --> B[ปิด AI Data Retention<br/>ใน Settings]
    B --> C{ข้อมูลอ่อนไหวหรือไม่?}
    C -->|ใช่| D[อย่าใส่ PII/ความลับ<br/>ลง prompt หรือไฟล์]
    C -->|ไม่| E[ใช้งานปกติ]
    D --> F[ลบ thread หลังใช้เสร็จ]
    E --> F
    F --> G[งานทีม? ใช้ Enterprise<br/>+ Spaces ที่ควบคุมสิทธิ์]

ข้อมูลที่ไม่ควรใส่ลง Perplexity เด็ดขาด

เพราะ prompt และไฟล์จะออกไปประมวลผลบนคลาวด์ (และบน consumer อาจถูกนำไปเทรน) ห้ามใส่ข้อมูลต่อไปนี้ในบัญชี Free/Pro:

ข้อมูลระบุตัวบุคคล (PII) — เลขบัตรประชาชน, หนังสือเดินทาง, ข้อมูลลูกค้าจริง
ข้อมูลทางการเงิน/สุขภาพ — เลขบัญชี, บัตรเครดิต, เวชระเบียน
ความลับทางการค้า / source code ที่มีลิขสิทธิ์หรือ NDA
credentials — รหัสผ่าน, API key, token, secret
เอกสารภายในองค์กรที่ยังไม่เผยแพร่ โดยเฉพาะเมื่ออัปโหลดเป็นไฟล์เข้า Space ส่วนตัว

⚠️ ในบริบทไทย ข้อมูลลูกค้าและข้อมูลพนักงานอยู่ภายใต้ PDPA (พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล) การส่งข้อมูลส่วนบุคคลของบุคคลที่สามให้ Perplexity โดยไม่มีฐานทางกฎหมายและ Data Processing Agreement อาจเป็นการละเมิด PDPA — งานลักษณะนี้ควรใช้เฉพาะ Enterprise/API ที่มีสัญญารองรับ

การใช้สำหรับทีม/องค์กร: Enterprise และ Shared Spaces

สำหรับองค์กร Perplexity มีแผน Enterprise Pro (ราว $40/ที่นั่ง/เดือน คิดแบบ per seat) และ Enterprise Max (ราว $325/ที่นั่ง/เดือน หรือ custom pricing) สถาบันการศึกษา/องค์กรไม่แสวงหากำไรที่มีสิทธิ์อาจได้ราคาลดพิเศษ (~$30/ที่นั่ง/เดือน) — ตัวเลขเหล่านี้เปลี่ยนบ่อย ควรตรวจสอบหน้าราคาทางการล่าสุด

สิ่งที่ Enterprise เพิ่มเข้ามาสำหรับงานทีม:

การรับประกันความเป็นส่วนตัว — ข้อมูลไม่ถูกนำไปเทรนโมเดล + SOC 2 Type II
Internal Knowledge Search — ค้นในไฟล์องค์กรและเชื่อม connector เช่น Google Drive, SharePoint, OneDrive, Box, Dropbox
Organization file repositories — คลังไฟล์ระดับองค์กร รองรับไฟล์จำนวนมากกว่ามาก (มีรายงานถึงระดับ ~500 ไฟล์/Space เทียบกับ Pro ~50)
Choose sources — แทนที่ Focus เดิม เลือกได้ระหว่าง Web, Org Files, Web + Org Files หรือ None
การจัดการทีม/สิทธิ์ — ควบคุมสมาชิกแบบรวมศูนย์

Spaces ร่วมกัน (Collaborative Spaces) คือหัวใจของงานทีม แต่ละ Space จัดกลุ่มการค้นคว้าและไฟล์ตามโปรเจกต์ ตั้ง custom instructions ที่ใช้กับทุก thread ใหม่ได้ และเชิญคนอื่นเข้าร่วมในบทบาท:

Viewer — ดูได้อย่างเดียว
Collaborator / Contributor — เพิ่ม thread และอัปโหลดไฟล์ได้

การแชร์ทำได้ทั้งแบบเชิญตรงและผ่านลิงก์ (มีรายงานว่าจำกัด collaborator ราว 10 คน/Space — อาจต่างตามแผน)

⚠️ ลิงก์แชร์ Space = ความเสี่ยงข้อมูลรั่ว ใครก็ตามที่ได้ลิงก์อาจเข้าถึงได้ ก่อนสร้างลิงก์สาธารณะ ให้ตรวจว่าไม่มีไฟล์ภายในหรือ thread ที่มีข้อมูลอ่อนไหว และเลือกเชิญตรงแทนลิงก์เปิดสำหรับข้อมูลลับ

ข้อควรระวังสุดท้าย: อย่าไว้ใจ citation แม้ในองค์กร

แม้ Perplexity จะเด่นเรื่องอ้างอิงแหล่งที่มา แต่งานวิจัยอิสระของ Tow Center (มี.ค. 2025) พบอัตราการอ้างอิงผิด/แต่งขึ้นสูง — Perplexity ราว 37% และ Perplexity Pro ราว 45-46% ความผิดพลาดที่อันตรายที่สุดคือ misattribution: URL เปิดได้จริงแต่เนื้อหาในหน้านั้นไม่มีข้อความตามที่อ้าง ตัวเลข "94% accuracy" ฝั่งบริษัทขัดแย้งกับผลอิสระอย่างชัดเจน

💡 สำหรับงานทีม ให้กำหนดเป็น นโยบายภายใน: ทุกครั้งที่นำคำตอบ Perplexity ไปใช้ตัดสินใจหรือเผยแพร่ ต้องคลิกเปิดลิงก์อ้างอิงและยืนยันเนื้อหาด้วยตนเอง — โดยเฉพาะข่าวสด คำถามเฉพาะทาง และภาษาที่ไม่ใช่อังกฤษ (รวมถึงภาษาไทย) ที่มีแนวโน้ม hallucinate สูงกว่า

สรุปเช็กลิสต์ก่อนใช้ในองค์กร: ปิด AI Data Retention (หรือใช้ Enterprise/API) → ห้ามใส่ PII/ความลับใน consumer → จัดสิทธิ์ Space ให้รัดกุม → ตรวจ DPA ให้สอดคล้อง PDPA → บังคับตรวจสอบ citation ก่อนนำไปใช้จริง

บทที่ 14: เทคนิคขั้นสูง และเทียบกับ Google ChatGPT และ Gemini

เมื่อคุณคุ้นกับโหมดค้นหา, Spaces, Focus และ Deep Research แล้ว ขั้นถัดไปคือการ ผสานฟีเจอร์เหล่านี้เข้าเป็นเวิร์กโฟลว์เดียว เพื่อดึงคุณภาพคำตอบให้สูงสุด บทนี้รวมเทคนิคระดับมืออาชีพ พร้อมตารางช่วยตัดสินใจว่าเมื่อไรควรใช้ Perplexity เมื่อไรควรสลับไป Google, ChatGPT หรือ Gemini

เทคนิคที่ 1: ผสาน Spaces + Deep Research เป็น "ห้องวิจัย" ถาวร

จุดพลาดที่พบบ่อยคือการยิง Deep Research แบบ thread เดี่ยว ๆ แล้วปล่อยให้ context หลุดหายทุกครั้งที่เริ่มใหม่ วิธีที่ดีกว่าคือสร้าง Space ต่อโปรเจกต์ แล้ววาง Deep Research ไว้ข้างในทั้งหมด

ตั้ง custom instructions ระดับ Space เพื่อกำหนดโทน ภาษา (เช่น "ตอบเป็นภาษาไทย อ้างอิงเฉพาะแหล่ง peer-reviewed หรือรายงานทางการ") มุมมอง และรูปแบบผลลัพธ์ — instructions นี้จะถูกใช้กับ ทุก thread ใหม่ ใน Space โดยอัตโนมัติ ไม่ต้องพิมพ์ซ้ำ
อัปโหลดไฟล์อ้างอิงของคุณเอง (PDF, DOCX, XLSX, CSV, PPTX) เข้า Space — ขนาดไฟล์จำกัดราว 25 MB/ไฟล์ และ Pro อัปได้ราว 50 ไฟล์/Space จากนั้น Deep Research จะค้นทั้งไฟล์ของคุณและเว็บพร้อมกัน กลายเป็น RAG ส่วนตัวที่มี citation
การอัปโหลดไฟล์เข้า Space ต้องใช้แผน Pro/Max/Enterprise ผู้ใช้ Free สร้าง Space ได้แต่แนบไฟล์ไม่ได้

💡 ตั้งชื่อ thread ใน Space ให้เป็นคำถามย่อยที่ชัดเจน เช่น "ขนาดตลาด TH 2024", "คู่แข่งหลัก 5 ราย" แทน thread ก้อนเดียวยาว ๆ จะกลับมาค้นและ export ทีหลังง่ายกว่ามาก

เทคนิคที่ 2: การล่ามคำถามหลายชั้น (multi-layer questioning)

Deep Research เก่งเรื่องกวาดข้อมูลกว้าง แต่จะได้ผลลึกจริงเมื่อคุณ แตกคำถามเป็นชั้น แทนที่จะถามก้อนเดียวกว้าง ๆ

ชั้น 1 (ขอบเขต):   "ภาพรวมตลาด EV ในไทยปี 2024–2026 มีผู้เล่นหลักใครบ้าง
                    ส่วนแบ่งตลาด และปัจจัยเชิงนโยบายที่เกี่ยวข้อง"
ชั้น 2 (เจาะลึก):  "จากผู้เล่นที่ระบุ เจาะเฉพาะ 3 รายที่ส่วนแบ่งสูงสุด
                    เทียบกลยุทธ์ราคาและช่องทางจัดจำหน่าย"
ชั้น 3 (ตรวจสอบ):  "ข้ออ้างเรื่องส่วนแบ่งตลาดในคำตอบก่อนหน้า
                    มาจากแหล่งใด แหล่งเหล่านั้นน่าเชื่อถือแค่ไหน
                    มีตัวเลขที่ขัดแย้งกันหรือไม่"

แต่ละชั้นเป็น follow-up ในเธรดเดิม เพื่อให้ระบบสะสมบริบท ชั้นที่ 3 ที่บังคับให้ระบบ "ตรวจสอบตัวเอง" ช่วยจับ misattribution ได้ดีขึ้น

⚠️ อย่าเชื่อ citation โดยไม่คลิก — งานของ Tow Center (มี.ค. 2025) พบว่าเครื่องมือ AI search โดยรวมอ้างอิงผิด/แต่งขึ้นเกิน 60% ของครั้ง แม้ Perplexity ทำได้ "ดีที่สุด" ก็ยังพลาดราว 37% (Pro ~45–46%) ความผิดที่อันตรายสุดคือ misattribution: URL เปิดได้จริง แต่เนื้อหาในหน้านั้นไม่ตรงกับที่อ้าง ต้องเปิดตรวจเองเสมอ

เทคนิคที่ 3: ใช้ Focus / Choose sources ให้แม่น

Focus คือการจำกัดขอบเขตแหล่งข้อมูลก่อนถาม เลือกให้ตรงงานแล้วคุณภาพคำตอบขยับขึ้นทันที

งานที่ทำ	Focus ที่ควรเลือก	เหตุผล
งานวิจัย/อ้างอิงวิชาการ	Academic	เน้นแหล่ง peer-reviewed ตัดเนื้อหา SEO คุณภาพต่ำ
ความเห็นผู้ใช้จริง/รีวิว	Social	ดึงจาก Reddit/ฟอรัม เห็นมุมประสบการณ์ตรง
สรุป/หาคลิปสอน	Video	จำกัดที่ YouTube
ค้นในไฟล์ของตัวเอง	Spaces / Org Files	ค้นเอกสารก่อน แล้วเสริมด้วยเว็บ
คำถามทั่วไป	Web / All	กว้างสุด ค่าเริ่มต้น

⚠️ Perplexity ปรับ UI ของ Focus บ่อยมาก — ราว ก.พ. 2025 ตัวเลือกบนเว็บถูกลดลง (เหลือประมาณ All กับ Academic) ขณะที่แอปมือถือยังมีหมวดครบกว่า และฝั่ง Enterprise เปลี่ยนชื่อเป็น Choose sources (Web / Org Files / Web + Org Files / None) ชื่อและจำนวนตัวเลือกจริง ณ ปี 2026 อาจต่างไป ตรวจใน UI อีกครั้ง

เทคนิคที่ 4: เลือกโมเดลและใช้ Model Council

ในแผน Pro คุณเลือกโมเดล frontier เองได้ผ่าน dropdown ในโหมด Pro Search (Free ใช้ Sonar ที่เลือกให้อัตโนมัติเท่านั้น) โมเดลที่เลือกได้ครอบคลุมตระกูล Sonar ของ Perplexity เอง และ third-party เช่น GPT, Claude, Gemini, Grok, Kimi K2 Thinking — แต่ ในโหมด Deep Research ระบบเลือกโมเดลให้เอง เลือกเจาะจงไม่ได้

งาน logical/technical → เลือกกลุ่ม Sonar Reasoning หรือโมเดล reasoning ของ third-party
งานเขียน/สังเคราะห์ยาว → เลือกตระกูล Claude/GPT
Model Council (เฉพาะแผน Max) รันคำถามเดียวข้ามหลายโมเดล frontier พร้อมกันแล้วสังเคราะห์ว่าโมเดลเห็นตรง/ต่างกันตรงไหน เหมาะกับคำถามความเสี่ยงสูงที่อยากได้มุมมองหลายด้านในครั้งเดียว

💡 ชื่อเวอร์ชันโมเดล (GPT-5.x, Claude Opus 4.x, Gemini 3.x Pro, Grok 4.x) เปลี่ยนบ่อยและแต่ละแหล่งอ้างไม่ตรงกัน ให้ยึดรายการจริงใน model picker ของแอปเป็นหลัก

เวิร์กโฟลว์รวม

flowchart TD
    A[สร้าง Space ต่อโปรเจกต์] --> B[ตั้ง custom instructions<br/>+ อัปโหลดไฟล์อ้างอิง]
    B --> C[เลือก Focus / แหล่งข้อมูล]
    C --> D[ชั้น 1: Deep Research ขอบเขตกว้าง]
    D --> E[ชั้น 2: follow-up เจาะลึก]
    E --> F[ชั้น 3: บังคับตรวจสอบแหล่ง]
    F --> G{คลิก citation<br/>ตรวจจริงทุกข้ออ้างสำคัญ}
    G -->|ผ่าน| H[export: PDF / DOCX / Markdown / Page]
    G -->|ไม่ผ่าน| E

เทียบ Perplexity กับ Google Search, ChatGPT และ Gemini

ทั้งสี่เครื่องมือทับซ้อนกันบางส่วน แต่จุดแข็งต่างกันชัด เลือกตามงาน ไม่ใช่ตามความเคยชิน

มิติ	Perplexity	Google Search (AI Overviews)	ChatGPT (+ search)	Gemini
จุดแข็งหลัก	ค้นเว็บทุกครั้ง + inline citations ทุกข้อเท็จจริง	ความกว้าง/ครอบคลุมของดัชนีเว็บ	all-rounder: research + งานสร้างสรรค์/โค้ดในที่เดียว	ผูกกับ Google ecosystem + multimodal
เหมาะกับ	research เชิงลึกที่ต้องตรวจแหล่งได้	lookup เร็ว ค้นหน้าเว็บโดยตรง	งานผสม research + เขียน/โค้ด	ผู้ใช้ Workspace, สร้างวิดีโอ/ภาพ
การอ้างอิง	เด่นสุด — เลขกำกับคลิกตรวจได้	ลิงก์ท้าย overview	มี citation เมื่อเปิด search	มี grounding กับ Google
การผสานเครื่องมือ	Spaces, Comet, Labs, Sonar API	ฝังในผลค้นหา	GPTs, Actions/connectors	Gmail/Docs/Workspace
ราคาระดับ Pro	~$20/เดือน (Max $200)	ฟรี (ในผลค้นหา)	Plus ~$20/เดือน	Advanced ~$19.99/เดือน (+Google One 2TB)

สรุปว่าควรใช้ตัวไหนเมื่อไร:

Perplexity — งาน research ที่ต้องการคำตอบสังเคราะห์หลายแหล่งพร้อมอ้างอิง real-time ตรวจสอบได้ (market analysis, literature review, due diligence)
Google Search — ค้นหาข้อมูลจุดเดียวแบบเร็ว ต้องการความกว้างและเข้าเว็บต้นทางเอง
ChatGPT (+ search) — อยากได้ทั้ง research และงานสร้างสรรค์/เขียน/โค้ดในเครื่องมือเดียว ไม่ต้องสลับแอป
Gemini — อยู่ในระบบนิเวศ Google (Gmail/Docs/Workspace) หรือเน้นงาน multimodal/สร้างวิดีโอ

💡 ในทางปฏิบัติ มืออาชีพหลายคนใช้ Perplexity เป็น "ชั้นค้นคว้าและตรวจแหล่ง" แล้วนำผลไปต่อยอดใน ChatGPT/Gemini สำหรับงานเขียนหรือประมวลผลในเครื่องมือที่ตนถนัด — ไม่จำเป็นต้องเลือกอย่างใดอย่างหนึ่ง

⚠️ รูปแบบแหล่งอ้างอิงของแต่ละเครื่องมือต่างกันชัด (ต้น 2026): Perplexity เอนไปข่าว/third-party และอ้าง Reddit ราว 24% ของ citations, Gemini เอนไป brand-owned content (~52%), ChatGPT เอนไป directory เช่น Yelp/TripAdvisor (~49%) หากทำงานที่ต้องรอบด้าน ควรเช็กข้ามเครื่องมือ ไม่พึ่งตัวเดียว

คำถามที่พบบ่อยเกี่ยวกับการใช้ Perplexity (FAQ)

รวมคำถามยอดฮิตเกี่ยวกับ Perplexity ที่ผู้ใช้ชาวไทยถามบ่อยที่สุด ตอบแบบกระชับ ตรงประเด็น พร้อมข้อควรระวังที่ควรรู้ก่อนนำไปใช้จริง

⚠️ ชื่อรุ่นโมเดล ราคา และ limit ของแต่ละแผนเปลี่ยนแปลงบ่อยมากในปี 2026 (มีรายงานว่า Perplexity ปรับโครงสร้างแผนราวต้นเดือนกรกฎาคม 2026) ตัวเลขในบทนี้ยึดจากข้อมูล ณ กลางปี 2026 ควรยืนยันซ้ำกับหน้าราคาทางการที่ perplexity.ai และ Help Center เสมอ

Perplexity คืออะไร?

Perplexity คือ "answer engine" หรือเครื่องมือค้นหาที่ขับเคลื่อนด้วย AI พัฒนาโดยบริษัท Perplexity AI จุดเด่นคือ ตอบคำถามเป็นภาษาธรรมชาติพร้อมอ้างอิงแหล่งที่มา (citations) แบบเรียลไทม์ โดยใช้สถาปัตยกรรม RAG (Retrieval-Augmented Generation) คือดึงเนื้อหาจากหน้าเว็บสด ๆ มาให้โมเดลสรุป แล้วแนบเลขอ้างอิงกำกับทุกข้อความที่เป็นข้อเท็จจริง ใช้งานได้ผ่านเว็บ perplexity.ai แอปมือถือ ส่วนขยายเบราว์เซอร์ และเบราว์เซอร์ของตัวเองชื่อ Comet

ใช้ฟรีได้ไหม?

ได้ แผน Free ให้ค้นหาแบบมาตรฐานได้ไม่จำกัด และได้ Pro Search แบบจำกัดวันละไม่กี่ครั้ง (ประมาณ 3-5 ครั้ง/วัน) ส่วน Deep Research มีให้จำนวนน้อยมากต่อวัน ผู้ใช้ Free จะใช้โมเดล Sonar ที่ระบบเลือกให้อัตโนมัติ และ สร้าง Spaces ได้แต่อัปโหลดไฟล์ไม่ได้ ถ้าต้องการ Pro Search ไม่จำกัด เลือกโมเดลเอง และอัปโหลดไฟล์ ต้องขึ้นแผนเสียเงิน

💡 ตัวเลข limit ของแผน Free ไม่แน่นอนและ Perplexity ไม่ประกาศเป็นตัวเลขตายตัว ให้ดูจำนวนที่เหลือในแอปเป็นหลัก

ต่างจาก Google อย่างไร?

Google Search (และ AI Overviews) เด่นที่ ความกว้างและความครอบคลุมของดัชนีเว็บ เหมาะกับการ lookup เร็ว ๆ และให้ลิงก์เป็นสิบให้เลือกเอง ส่วน Perplexity เน้น สังเคราะห์คำตอบจากหลายแหล่งให้เสร็จในที่เดียวพร้อมอ้างอิงชัดเจน เหมาะกับงาน research เชิงลึกที่ต้องรวบข้อมูลหลายหน้ามาสรุป พูดง่าย ๆ คือ Google ให้ "ลิงก์ไปหาคำตอบ" ส่วน Perplexity ให้ "คำตอบพร้อมลิงก์"

ต่างจาก ChatGPT อย่างไร?

ประเด็น	Perplexity	ChatGPT
จุดเด่นหลัก	ค้นเว็บทุกครั้ง + citations ทุกข้อความ	all-rounder: research + งานสร้างสรรค์/เขียน/โค้ด
ค้นเว็บ	เป็นค่าเริ่มต้น (search-first)	ต้องเปิดโหมด search
เหมาะกับ	research แบบมีอ้างอิง real-time	งานผสมในเครื่องมือเดียว
ราคา Pro	~$20/เดือน	~$20/เดือน (Plus)

โดยรวม เลือก Perplexity เมื่อต้องการคำตอบที่ตรวจสอบแหล่งได้ และเลือก ChatGPT เมื่อต้องการทั้ง research และงานปลายเปิดอย่างเขียนบทความหรือเขียนโค้ดในที่เดียว

คำตอบเชื่อถือได้แค่ไหน?

ต้องตรวจสอบเสมอ ห้ามเชื่อทันที แม้ RAG จะช่วยลด hallucination เทียบกับ LLM ที่ไม่ค้นเว็บ แต่ก็ไม่ขจัดได้หมด งานวิจัยอิสระของ Tow Center (Columbia Journalism Review, มี.ค. 2025) พบว่า Perplexity ให้การอ้างอิงผิดราว 37% และ Perplexity Pro ราว 45-46% ความผิดพลาดที่อันตรายที่สุดคือ misattribution คือลิงก์เปิดได้จริงแต่ในหน้านั้นไม่มีข้อความตามที่อ้าง

⚠️ ตัวเลขฝั่งบริษัท เช่น "citation accuracy 94%" ขัดแย้งกับผลทดสอบอิสระอย่างชัดเจน ให้ยึดหลักปฏิบัติง่าย ๆ คือ คลิกเปิดลิงก์อ้างอิงทุกครั้งก่อนนำข้อมูลสำคัญไปใช้ตัดสินใจ

Pro Search กับ Deep Research คืออะไร ต่างกันอย่างไร?

Pro Search — ค้นแบบหลายขั้นตอน แยกคำถามใหญ่เป็นคำถามย่อยแล้วตอบ ใช้เวลาไม่นาน เลือกโมเดลเองได้ (แผนเสียเงิน)
Deep Research / Research — โหมด agentic ที่ค้นหลายรอบ อ่านหลายสิบถึงหลายร้อยแหล่ง แล้วสร้าง รายงานยาวมีโครงสร้างพร้อม citations ใช้เวลาประมาณ 2-5 นาที ในโหมดนี้ระบบเลือกโมเดลให้อัตโนมัติ (เลือกเองไม่ได้) เหมาะกับ market analysis, literature review, due diligence

flowchart TD
    A[พิมพ์คำถาม] --> B{เลือกโหมด}
    B -->|เร็ว/ทั่วไป| C[Search / Auto]
    B -->|ซับซ้อน หลายขั้น| D[Pro Search<br/>เลือกโมเดลได้]
    B -->|ต้องการรายงานลึก| E[Deep Research<br/>2-5 นาที]
    C --> F[คำตอบ + citations]
    D --> F
    E --> G[รายงานยาว + citations<br/>export PDF/DOCX/Markdown]
    F --> H[คลิกตรวจสอบลิงก์เสมอ]
    G --> H

ใช้ภาษาไทยได้ไหม?

ได้ พิมพ์คำถามเป็นภาษาไทยและรับคำตอบเป็นภาษาไทยได้ตามปกติ แต่ควรทราบว่าคุณภาพและความแม่นยำของการค้น มักดีกว่าเมื่อใช้ภาษาอังกฤษ เพราะแหล่งข้อมูลบนเว็บภาษาอังกฤษมีมากกว่า และโมเดลอาจ hallucinate มากขึ้นกับคำถามเฉพาะทางหรือข่าวสดในภาษาที่ไม่ใช่อังกฤษ

💡 เทคนิค: สำหรับหัวข้อสากลลองถามเป็นภาษาอังกฤษเพื่อให้ได้แหล่งที่กว้างและแม่นกว่า แล้วค่อยสั่งให้สรุปเป็นภาษาไทย

เลือกโมเดลเองได้ไหม?

ได้ในแผนเสียเงิน ผู้ใช้ Pro เลือกโมเดล frontier ได้เองใน dropdown ของโหมด Pro Search ครอบคลุมทั้งตระกูล Sonar ของ Perplexity เอง และโมเดล third-party เช่น GPT (ตระกูล GPT-5), Claude (ตระกูล Sonnet/Opus 4.x), Gemini (ตระกูล 3 Pro), Grok (ตระกูล 4.x) และ Kimi K2 Thinking ส่วนผู้ใช้ Free ใช้ Sonar ที่ระบบเลือกให้เท่านั้น นอกจากนี้ยังมีโหมด Auto / "Best" ที่เลือกโมเดลให้อัตโนมัติตามคำถาม

⚠️ เวอร์ชันโมเดลที่แต่ละแหล่งอ้างถึงไม่ตรงกันและเปลี่ยนบ่อย ให้ดูรายชื่อรุ่นปัจจุบันใน model picker ในแอปโดยตรง

ข้อมูลของฉันปลอดภัยไหม?

ขึ้นกับช่องทางที่ใช้ และควรแยกให้ชัดว่าแต่ละช่องทางรับประกันแค่ไหน:

ผู้ใช้ทั่วไป (Free/Pro ผ่านเว็บ/แอป) — การนำข้อมูลค้นหาไปปรับปรุง/เทรน AI เป็นแบบ opt-out (เปิดโดยดีฟอลต์) ต้องเข้าไปปิด "AI Data Retention" ในการตั้งค่าเอง
Sonar API / Chat Completions API — Perplexity ประกาศนโยบาย Zero Data Retention (ZDR) อย่างชัดเจน คือ ไม่เก็บ prompt/response ที่ส่งผ่าน API และ ไม่นำข้อมูลไปเทรนโมเดล เก็บเฉพาะ metadata เพื่อการเรียกเก็บเงิน (เช่น จำนวน token, รุ่นโมเดล, เวลา, ข้อมูล API key)
Enterprise / Enterprise Pro — ที่ยืนยันชัดเจนคือ ข้อมูลลูกค้าไม่ถูกนำไปเทรนโมเดล พร้อม certification เช่น SOC 2 Type II และ Trust Center ที่ trust.perplexity.ai แต่ ไม่ได้แปลว่าเป็น Zero Data Retention (ไม่เก็บข้อมูลเลย) เหมือนฝั่ง Sonar API หากต้องการเงื่อนไข ZDR หรือข้อกำหนดการเก็บ/ลบข้อมูลเฉพาะ ให้ยืนยันในสัญญาและ Trust Center โดยตรง

⚠️ มีรายงาน/คดีความช่วงปี 2025-2026 กล่าวหาเรื่อง tracker ที่แชร์ข้อมูลกับบุคคลที่สาม ซึ่งยังไม่มีข้อสรุปทางกฎหมาย ควรถือเป็นข้อมูลระวังไว้ก่อน

Spaces คืออะไร ต่างจาก Collections ไหม?

Spaces คือชื่อใหม่ที่พัฒนาต่อยอดจาก Collections (Collections เดิมถูกแปลงเป็น Spaces อัตโนมัติ) เป็นพื้นที่จัดระเบียบการค้นคว้าตามโปรเจกต์ ภายใน Space สามารถอัปโหลดไฟล์ (PDF, Word, Excel, PowerPoint, CSV ขนาดราว 25 MB/ไฟล์) ตั้ง custom instructions ที่ใช้กับทุก thread ใหม่ เลือกโมเดล และเชิญผู้อื่นมาทำงานร่วมกันในบทบาท viewer หรือ collaborator ได้ (การอัปโหลดไฟล์เข้า Spaces ต้องใช้แผน Pro ขึ้นไป)

Comet คืออะไร?

Comet คือ เว็บเบราว์เซอร์ AI-native (ฐาน Chromium) ของ Perplexity ที่ฝังผู้ช่วย AI ในทุกแท็บ ทำสรุปหน้าเว็บ ถาม-ตอบข้ามแท็บ และทำงานหลายขั้นตอนแบบ agentic ได้ มีฟีเจอร์เสริมเช่น ad blocking ในตัว, voice chat และ Finance Hub เดิมจำกัดเฉพาะผู้ใช้ Max แต่มีรายงานว่า ถอด paywall เปิดให้ใช้ฟรีทั่วโลกราว 18 มีนาคม 2026 ครอบคลุม iOS, Android, Windows และ Mac

สรุปควรใช้แผนไหน?

แผน	ราคา	เหมาะกับ
Free	ฟรี	ลองใช้ ค้นทั่วไป Pro Search จำกัด
Pro	~~$20/เดือน (~~$200/ปี)	คนทำงาน: Pro Search ไม่จำกัด, Deep Research ~20/วัน, เลือกโมเดล, อัปโหลดไฟล์
Max	~$200/เดือน	ผู้ใช้หนัก: limit สูงสุด, Labs, Model Council, priority support
Enterprise Pro	~$40/ที่นั่ง/เดือน	ทีม/องค์กร: จัดการทีม, คลังไฟล์องค์กร, ข้อมูลไม่ถูกเทรน

💡 นักเรียน/นักศึกษาและครูที่ยืนยันตัวตนได้อาจได้ Education Pro ราคาประมาณ $10/เดือน ส่วนนักพัฒนาที่ต้องการเรียก API ให้ใช้ Sonar API ที่คิดเงินแยกแบบ pay-as-you-go ตาม token ไม่รวมในแผน consumer